11:30官方账号arXiv cs.LG@Weitao Li, Gong Cheng论文提出生成器对齐表示接口GARI,一种表示级设计原则,通过对齐规范视图和生成器诱导视图将选定变换生成器暴露给通用序列骨干。形式化定义了探针特定软等变性残差,并实例化为GARI-Net,该网络通过生成器索引流、共享参数处理、顺序修复和跨流信息交换实现等变诊断。Direct Equivariance Error (DEE)提供冻结检查点诊断。在基因组序列、图像(平面旋转反射)和3D点云(轴向变换)上验证了任务相关的变换一致性。论文GARIGARI-NetDirect Equivariance Error推荐理由:这篇论文让通用神经网络也能处理对称性,不需要专门设计等变算子,在基因、图像和点云数据上都有效果。原文稍后读已读值得跟进有用关注 GARI