Тензорные разложения и их применения

Матричные разложения лежат в основе многих методов обработки данных и машинного обучения. Переход от матриц к многомерным массивам (тензорам) естественным образом приводит к задачам разложения тензоров, которые обладают принципиально новыми свойствами. В докладе будет обзор существующих тензорных методов и примеры практического применения таких подходов, в том числе в задачах глубинного обучения.