TenExp：基于混合专家的张量分解结构搜索框架
计算机视觉与模式识别
2026-03-04 v1
摘要
最近，张量分解持续涌现并受到日益关注的注意。选择合适的张量分解以精确捕捉数据背后低秩结构，是张量分解领域的核心问题，仍具有挑战性且相对未被充分探索。当前的张量分解结构搜索方法仍受限于固定的因子互作用族（例如张量收缩），无法提供分解的混合形式。为此，本文设计了一种基于混合专家的张量分解结构搜索框架（称为 TenExp），允许我们以无监督方式动态选择和激活合适的张量分解。该框架相对于最先进的张量分解结构搜索方法具有两个独特优势。首先，TenExp 可以在固定因子互作用族之外提供合适的单一分解。其次，TenExp 可以在单一分解之外提供合适的分解混合形式。在理论方面，我们还提供了 TenExp 的近似误差界，这揭示了 TenExp 的近似能力。大量实验在合成数据和真实数据集上表明，本文提出的 TenExp 优于最先进的基于张量分解的方法。
引用
@article{arxiv.2603.02720,
title = {TenExp: Mixture-of-Experts-Based Tensor Decomposition Structure Search Framework},
author = {Ting-Wei Zhou and Xi-Le Zhao and Sheng Liu and Wei-Hao Wu and Yu-Bang Zheng and Deyu Meng},
journal= {arXiv preprint arXiv:2603.02720},
year = {2026}
}