Jul, 2019
基于张量网络分解的概率建模表现力研究-从隐马尔科夫模型到量子机器学习的应用
Expressive power of tensor-network factorizations for probabilistic
modeling, with applications from hidden Markov models to quantum machine
learning
TL;DR该论文研究了张量网络在离散多元概率分布建模中的表达能力，并针对使用不同类型的张量带来的参数数量和效率变化进行了严格分析，发现局部纯净态表示法的表达能力优于其他表示法。