会员服务
奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，奇异值分解则是特征分解在任意矩阵上的推广。在信号处理、统计学等领域有重要应用。
MANOJAVAM: A Scalable, Unified FPGA Accelerator for Matrix Multiplication and Singular Value Decomposition in Principal Component Analysis
Arxiv
0+阅读 · 5月2日
CLIP-SVD: Efficient and Interpretable Vision-Language Adaptation via Singular Values
Arxiv
0+阅读 · 4月22日
SVD-Prune: Training-Free Token Pruning For Efficient Vision-Language Models
Arxiv
0+阅读 · 4月13日
Multi-User Non-Linearly Separable Distributed Computing
Arxiv
0+阅读 · 4月30日
CARE: Covariance-Aware and Rank-Enhanced Decomposition for Enabling Multi-Head Latent Attention
Arxiv
0+阅读 · 3月18日
An Efficient Batch Solver for the Singular Value Decomposition on GPUs
Arxiv
0+阅读 · 4月9日
SVD Contextual Sparsity Predictors for Fast LLM Inference
Arxiv
0+阅读 · 3月14日
SOLAR: SVD-Optimized Lifelong Attention for Recommendation
Arxiv
0+阅读 · 3月3日
Beyond SGD, Without SVD: Proximal Subspace Iteration LoRA with Diagonal Fractional K-FAC
Arxiv
0+阅读 · 2月18日
Guaranteed Nonconvex Low-Rank Tensor Estimation via Scaled Gradient Descent
Arxiv
0+阅读 · 2月14日
Enhancing Delta Compression in LLMs via SVD-based Quantization Error Minimization
Arxiv
0+阅读 · 2月15日
Model soups need only one ingredient
Arxiv
0+阅读 · 2月10日
Consistent text-to-image generation via scene de-contextualization
Arxiv
0+阅读 · 2月15日
Optimal Bias-variance Tradeoff in Matrix and Tensor Estimation
Arxiv
0+阅读 · 2月5日
Streaming Operator Inference for Model Reduction of Large-Scale Dynamical Systems
Arxiv
0+阅读 · 2月5日
参考链接
微信扫码咨询专知VIP会员
Top