{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,9,12]，“日期时间”：“2024-09-12T20:50:59Z”，“时间戳”：1726174259834}，“出版商位置”：“查姆”，“引用计数”：29，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“类型”：”打印“，“值”：“9783031160134”}，{“类型”：“电子”，“value”：“9783031160141”}]，“license”：[{“start”：{“date-parts”：[[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“tart”：[2022,1,1]，“date-time“：”2022-01-01T00:00:00Z“，”时间戳“：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：16409520000}：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\www.sprinternature.com/gp\researters/text-and-date-mining“}]，”content-domain“：{”domain“：[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2022]]}，”DOI“：”10.1007\/978-3-031-16014-1_59“，”type“：”book-chapter“，”created“：{”date-part“：[2022,9,20]]，”date-time“：”2022-09-23:03:09Z“，”timestamp“：1663714989000}”，“page”：“755-767”，“update-policy”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：2，“title”：[“TT-ViT:使用张量-张力分解的视觉变换器压缩”]，“prefix”：“10.1007”，”author“：[{”given“：”Hoang“，”family“：”Pham Minh“，”sequence“：”first“，”affiliation“：[]}，{”given“Nguyen”，“family”：“Nguien Xuan”“，”序列“：“additional”，“affiliation”：[]}，{“given”：“Son”，“family”：“Tran Thai”，“sequence”：“additive”，“abfiliation“：[]2]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,9,21]}；“reference”：[{“issue”：“4\u20135”，“key”：\/220000059“，“卷”：“9”，“作者”：“A Cichocki”，“年份”：“2016”，“非结构化”：“Cichocki，A.，Lee，N.，Oseledets，I.，Phan，A.H.，Zhao，Q.，Mandic，D.P.：降维和大规模优化的张量网络：第1部分低秩张量分解。发现。趋势机器学习。9（4\u20135），249\u2013429（2016）”，“期刊标题”：“发现。趋势机械学习。”}，{“关键”：“59_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，Fei-Fei，L.：ImageNet:大型分层图像数据库。摘自：2009 IEEE计算机视觉和模式识别会议，第248\u2013255页（2009）”，“DOI”：“10.1109\/CVPR.2009.5206848”}，{“key”：“59_CR3”，“非结构化”：“Devlin，J.，Chang，M.，Lee，K.，Toutanova，K.：BERT：用于语言理解的深层双向变压器的预培训。摘自：2019年北美NAACL-HLT 2019年会议记录，明尼苏达州明尼阿波利斯，2019年6月2日，第1卷（长篇和短篇论文），第4171\u20134186页。计算语言学协会（2019）“}，{”key“：”59_CR4“，”unstructured“：”Dosovitskiy，A.，et al.：图像值16$$\\乘以$16个单词：图像识别的变形金刚。In:国际学习表征会议（2021）“}.，{“key”：“59_CR5”，“unstructure”：“Garipov，T.、Podoprikhin，D.、Novikov，A.、Vetrov，D.P.：终极张量化：压缩卷积层和FC层。CoRR abs \/1611.03214（2016）“}，{”issue“：”12“，”key“：”59_CR6“，”doi-asserted-by“：”publisher“，”first page“：“2213”，“doi”：“10.1109 \/TASLP.2019.2944078”，“volume”：“27”，“author”：“Q Guo”，“year”：“2019”，“unstructured”：“郭，Q.，邱，X.，薛，X.Zhang，Z.：序列建模的低秩和局部约束自我关注。IEEE\/ACM传输。音频语音语言处理。27（12），2213\u20132222（2019）“，“期刊标题”：“IEEE\/ACM Trans。音频语音语言处理。“}，{”issue“：”3“，”key“：”59_CR7“，”doi-asserted-by“：”publisher“，”first-page“：”688“，”doi“：”10.1109\/JSTSP.2020.3042063“，“volume”：“15”，“author”：“PM Hoang”，“year”：“2021”，“unstructured”：“Hoang，P.M.，Tuan，H.D.，Son，T.，Poor，H.V.：通过高阶张量增强和完成的定性高清图像和视频恢复。IEEE J。选择。主题信号处理。15（3），688\u2013701（2021）“，“期刊标题”：“IEEE J.Sel。主题信号处理。“}，{”key“：”59_CR8“，”doi-asserted-by“：”crossref“，”unstructured“：”Jaderberg，M.，Vedaldi，A.，Zisserman，A.：用低阶展开加速卷积神经网络。In：Valstar，M.F.，French，A.P.，Pridmore，T.P.（eds.）英国机器视觉会议，BMVC 2014，英国诺丁汉，2013年9月1日至5日。BMVA Press（2014）“，“DOI”：“10.5244\/C.28.88”}，{“key”：“59_CR9”，“unstructured”：“Kim，Y.，Park，E.，Yoo，S.，Choi，T.，Yang，L.，Shin，D.：用于快速和低功耗移动应用的深度卷积神经网络压缩。In：Bengio，Y.、LeCun，Y.（eds.）第四届学习表征国际会议，2016年，ICLR，波多黎各圣胡安，2013年5月2日，2016年5月4日，会议跟踪会议记录（2016）59_CR11“，“非结构化”：“Lebedev，V.，Ganin，Y.，Rakhuba，M.，Oseledets，I.V.，Lempitsky，V.S.：使用微调CP分解加速卷积神经网络。在：第三届学习表征国际会议，ICLR 2015，美国加利福尼亚州圣地亚哥，2013年5月7日，2015年5月9日，会议记录（2015）“｝，｛”issue“：”11“，”key“：”59_CR12“，”doi asserted by“：”publisher“，”first page“：”2278“，”doi“：”10.1109\/5.726791“，”volume“：”86“，”author“：”Y Lecun“，”year“：”1998“，”nonstructured“：”Lecun，Y.、Bottou，L.、Bengio，Y.和Haffner，P.：基于梯度的学习应用于文档识别。程序。IEEE 86（11），2278\u20132324（1998）“，”期刊标题“：”。IEEE“}，{“key”：“59_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Lee，N.，Cichocki，A.：张量列格式大规模数据分析的基本张量运算（2016）”，“doi”：“10.1007 \/s11045-017-0481-0”}，}，“key“：”59_CR14“，”unstructure“：”Liu，Y.等人：Roberta：一种稳健优化的BERT预处理方法。CoRR abs \/1907.11692（2019）“}，{”issue“：”4“，”key“：”59_CR15“，”doi-asserted-by“：”publisher“，”first page“：“944”，”doi“：”10.1109 \/TCSVT.2019.2901311“，”volume“:”30“，”author“：”Y Liu“，”year“：”2020“，”unstructured“：”Liu，Y.，Long，Z.，Huang，H.，Zhu，C.：用于估计图像数据中缺失分量的低CP秩和Tucker秩张量补全。IEEE传输。循环。系统。视频技术30（4），944\u2013954（2020）“，“新闻标题”：“IEEE Trans。循环。系统。视频技术“}，{“key”：“59_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，Z.，et al.：Swin transformer:使用移动窗口的分层视觉变换器。摘自：IEEE\/CVF国际计算机视觉会议（ICCV）论文集，第10012\u201310022页，2021年10月”，“doi”：“10.1109\/ICCV48922.2021.00986”}非结构化“：”Ma，X.，et al.：用于语言建模的张量变换器。在：Wallach，H.，Larochelle，H.，Beygelzimer，A.，d\u2019 Alch\u00e9 Buc，F.，Fox，E.，Garnett，R.（编辑）《神经信息处理系统进展》，第32卷。Curran Associates，Inc.（2019）“}，{”key“：”59_CR18“，”unstructured“：”Novikov，A.，Podoprikhin，D.，Osokin，A.，Vetrov，D.P.：神经网络张力化。In：神经信息处理系统进展，第28卷。Curran Associates，Inc.（2015）“}，{”issue“：“4”，”key“：“59_CR19”，”doi-asserted-by“：”publisher“，”first page“：”2130“，”doi“：”10.1137“/090757861”，”volume“:”31“，”author“：”IV Oseledets“，”year“：”2010“，”unstructured“：”Oseledetes，I.V.：使用张量分解近似$2^d乘以2^d$$矩阵。SIAM J.Matrix Anal.Appl.31（4），2130\u20132145（2010）“，“新闻标题”：“SIAM J.矩阵分析。申请。“}，{”issue“：”5“，”key“：”59_CR20“，”doi-asserted-by“：”publisher“，”first-page“：”2295“，”doi“：”10.1137\/090752286“，”volume“：“33”，”author“：”IV Oseledets“，”year“：”2011“，”unstructured“：”Oseledtes，I.V.：张量-应变分解。SIAM J.Sci.Compute.33（5），2295\u20132317（2011）“，”journal-title“：”SIAM J.Sci.计算。“}，{”键“：”59_CR21“，”非结构化“：”Radford，A.，Narasimhan，K.：通过生成性预训练提高语言理解（2018）“}，{“key”：“59_CR22”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.physd.2019.132306”，“volume”：”404“，“author”：“A Sherstinsky”，“year”：“2020”，“unstructured”：“Sherstinky，A.：递归神经网络（RNN）和长短期记忆（LSTM）的基本原理网络。Physica D 404，132306（2020）“，”journal-title“：”Physical D“}，{“key”：“59_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Song，D.，Zhang，P.，Li，F.：基于tacker-CP分解加速深层卷积神经网络。摘自：《2020年第五届机器学习技术国际会议论文集》，第56\u201361页。美国纽约计算机械协会（2020）“，”DOI“：”10.1145\/3409073.3409094“}，{”key“：”59_CR24“，”unstructured“：”Touvron，H.、Cord，M.、Douze，M.，Massa，F.、Sablayrolles，A.、Jegou，H.：通过注意力训练数据高效的图像变换器和蒸馏。收录于：机器学习国际会议，第139卷，第10347\u201310357页，2021年7月“}，{“key”：“59_CR25”，“unstructured”：“Vaswani，A.，et al.：注意力是你所需要的。收录于《神经信息处理系统进展》，第30卷。Curran Associates，Inc.（2017）“}，{”key“：”59_CR26“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，W.，et al.：“金字塔视觉变换器：无卷积密集预测的通用主干。摘自：IEEE国际计算机视觉会议（ICCV）论文集，第568\u2013578页，2021年10月”，“doi”：“10.1109 \/ICCV48922.2021.00061“}，{“key”：“59_CR27”，“unstructured”：“Xiao，H.，Rasul，K.，Vollgraf，R.：Fashion-MNIST：基准机器学习算法的新型图像数据集（2017）”}，}，“key“：”59_CR28“，“doi-asserted-by”：“crossref”，“非结构化”：“Xing，Y.，Yang，S.，Jiao，L.：基于张量空间-光谱联合相关正则化的高光谱图像超分辨率。IEEE Access IEEE，第8卷，pp.63654\u2013636652020 8，63654\ u20136366（2020）“，“DOI”：“10.1109\/Access.2020.2982494”}，{“key”：“59_CR29”，“unstructured”：“Yang，Y.，Krompass，D.，Tresp，V.：用于视频分类的张量-训练递归神经网络。参见：第34届国际机器学习会议记录，第70卷，第3891\u20133900页。ICML 2017，JMLR.org（2017）“}”，“container-title”：[“计算机科学课堂讲稿”，“计算集体智能”]，“原文标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com\/content\/pdf\/10007\/978-3-031-16014-1_59”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“deposed”：{“date-parts”：[[2023,3,9]]，“date-time”：“2023-03-09T12:13:33Z”，“timestamp”：1678364013000}，“score”：1，“resource”：{“primary”：}“URL”：“https:\/\/link.springer.com\/10.1007\/978-3031-16014-1_59”}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-part“：[2022]}，‘ISBN’：[”97830 31160134“，”9783031160141“]，”references-count“：29，”URL“：“http://\/dx.doi.org\/10.1007\/978-3-031-16014-1_59”，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“类型”：“打印”，“值”：“0302-7743”}，{“种类”：“电子”，“数值”：“1611-33049”}]，“主题”：[]，“发布”：{“日期段”：[2022]}，“2022年9月21日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{“name”：“ChapterHistory”，“label”：“章节历史”}}]}}