Fully tensorial approach to hypercomplex neural networks

本文提出了一种完全张量论的超复神经网络理论。关键在于观察到代数乘法可以表示为一个三阶张量。这种方法对于支持有效张量操作的神经网络库非常有吸引力。

论文旨在探讨使用张量积来提高神经网络的效率和准确性。

利用代数乘法可以表示为三阶张量的思想，设计出一种基于张量积的神经网络模型。

论文提出的基于张量积的神经网络模型可以在现有的神经网络库中实现，可以提高神经网络的效率和准确性。实验结果表明，该模型的表现优于传统的神经网络模型。

最近的相关研究包括：《Tensorizing Neural Networks》、《Tensorizing Convolutional Neural Networks》等。