- 超越言语 -- 为沟通生成整体性的三维人类二人运动
本文介绍了一个创新任务，重点关注人类沟通，旨在生成说话者和听众的三维整体人体动作。我们的方法的核心是将因子分解与文本语义信息相结合，从而更真实和协调地生成动作。我们分别训练 VQ-VAEs 来处理说话者和听众的整体动作，并考虑了说话者和听众 - 高阶数组建模的概率块术语分解
在这篇文章中，我们提出了一种高效的变分贝叶斯概率 BTD 方法，利用 von-Mises Fisher 矩阵分布对多线性 Tucker 部分在 BTD 中施加正交性，通过合成和两个真实数据集的实验，我们突出了贝叶斯推断过程，并演示了在噪声数 - α-β 分解及 Simon 同余式的二进制情况
该论文介绍了关于单词分解的几种概念，并对新的 α-β 分解进行了研究。该论文进一步阐明了 1 - 通用单词与 Simon 合同的关系，并对二进制单词进行了全面的分类和计算。最后，该论文还对三进制情况进行了研究，列出了所有可能的 αβα-fa - 多智能体采样式运动规划的分解
为了解决多体智能系统中路径规划难度增大的问题，我们将分解概念引入了取样算法中，并且在寻找解决方案的过程中，通过分解启发式方法将不同的智能体子集分解到独立的低维搜索空间，成功将搜索空间维度增长从指数级减少到线性级别。
- 逻辑信念网络中的马尔可夫条件和因子分解
本研究探讨了逻辑可信网络的语言，并分析了各种马尔科夫条件的后果。我们引入了逻辑可信网络的结构概念，并显示没有有向循环的结构导致了一个众所周知的分解结果。对于有向循环的网络，我们分析了 Markov 条件、分解结果和规范要求之间的差异。
- ECCV神经网络中的知识分解
本文提出一种新的知识转移任务 —— 知识因式分解（KF），旨在为预训练的神经网络分解成多个因式网络，每个网络处理一项具体任务，并保持任务特定知识因式化。实验表明，基于该模型的因式网络在任务执行、模块化、迁移学习等方面均具有较好的表现。
- EMNLP长文本摘要中，内容和预算决策的分解
通过将自动生成摘要的过程拆分成两个步骤，然后根据预算和内容指南将这些步骤组合成最终摘要，从而提高了长文档摘要的性能，并实现了域自适应。
- 基于知识图谱的稀疏特征分解推荐算法
该论文提出了 KGFlex 模型，通过对历史数据的分析，将每个项目特征表示为嵌入，并将用户 - 项目交互建模为与用户相关的项目属性的因式熵驱动组合，从而使用户只能更新他们决策的相关特征，从而中介用户 - 项目预测。
- AAAIROSITA: 集成技术优化的 BERT 模型压缩
本文介绍三种压缩方法 (weight pruning、low-rank factorization 和 knowledge distillation)，并探索了有关模型架构、KD 策略、修剪频率和学习率计划等设计方案。实验结果表明，我们最佳 - 面向因式化马尔可夫决策过程的极小极大最优强化学习
本文研究了在 FMDP 中使用最小最大算法的强化学习，提出了两种基于模型的算法，并通过结构相关的阈值证明了其保证。
- 在线影响最大化的分解赌博机
本文提出基于因子分解和上界置信度的在线影响力最大化算法来识别社交网络中的最佳影响者，实验结果表明该算法有效降低了策略的遗憾值，并在两个真实社交网络中获得了良好表现。
- ACL多模态话语嵌入的强大而简单的基准线
本文提出了两种简单但强大的基线方法来学习多模式言论的嵌入表示。第一种基线方法假设言论被条件因式分解成单模态因子，并表明最优嵌入可以通过单模态特征的加权平均获得。第二种基线方法通过将言论因式分解成单模态、双模态和三模态因子来捕获更丰富的表示。 - ICMLQTRAN：基于变换因式分解的合作多智能体强化学习算法
本文旨在提出一种不受结构约束的因式分解方法 QTRAN，以解决 VDN 和 QMIX 等算法只能解决部分可因式分解的多智能体强化学习任务的问题。实验结果表明，QTRAN 优于先前的算法，特别是在惩罚非合作行为的游戏中，其优势更为明显。
- 去相关性敌对学习用于年龄不变人脸识别
本文提出了一种新的算法 ——Decorrelated Adversarial Learning (DAL)，该算法能够将包含身份信息和年龄信息的脸部特征分解成身份相关组分和年龄相关组分，并利用 ID 和 age 保留信号监督身份相关特征和年 - 相同但不同 - 通过权重因式分解恢复神经网络量化误差
本研究利用神经网络中存在的某种自由度，提出了一种基于因式分解的量化神经网络的方法，并证明正确的因式分解能够显著降低量化神经网络的性能损失，在多个网络上取得了最佳效果。
- ICML结构化低秩矩阵学习：算法与应用
该论文提出了一种新的因子分解模型，它将低秩矩阵和线性子空间约束分离开来，从而使得优化问题在 Riemannian spectrahedron 流形上得以求解。实验证明，该方法在标准 / 鲁棒 / 非负矩阵补全，Hankel 矩阵学习和多任务 - 无环定向混合图的嵌套马尔科夫性质
利用核对象的条件独立性分解和变量消除的辅助计算方式，定义一套有向无环混合图模型和 Tian 等人提供的约束条件，并证明 DAG 模型的边缘分布属于该模型，最后阐明该模型中对于隐藏变量因果 DAG 模型识别的简单性质。
- 张量分解、深度学习及其超越中的全局最优性
该研究通过对矩阵分解、张量分解和深度神经网络训练等问题的非凸优化问题的充分条件分析，提出了一种通用框架，能够在任意初始的情况下使用纯局部下降算法找到全局最小值，为深度神经网络的优化提供了理论支持和指导。
- NIPSFactorbird - 基于参数服务器的分布式矩阵分解方法
Factorbird 是一种参数服务器方法的原型，用于分解大型矩阵，设计目标是可扩展到数十亿个非零元素的矩阵，可扩展到不同种类的模型和损失函数，并适应于批处理和流式情况。其使用参数服务器来使模型可扩展，并采用无锁式 Hogwild！-sty - 多元微分计算
本文介绍了通用几何微积分的多向量微积分基础，包括多向量微分、多向量导数和多向量函数伴随。文中还推导了多向量微分的基本规则和各种基本多向量导数，讨论了关于向量变量和多向量变量函数的分解，解释了简单变量和导数的概念。作者以非常基础的方法提供了一