SPD流形相关 AI 资讯 · AI 热点

7月22日

12:23

12:23

官方账号arXiv cs.LG@Davide Murari, Marta Ghirardelli, Ben Adcock, Elena Celledoni, Brynjulf Owren, Carola-Bibiane Schönlieb

论文提出一种在Hadamard流形上构造1-Lipschitz神经网络的方法，使用Busemann函数作为核心构建块，设计出梯度下降类型的1-Lipschitz层。在庞加莱圆盘上进行鲁棒分类实验，面对超几何扰动时分类器保持稳定。在对称正定（SPD）矩阵流形上训练无扩张去噪器，用于掩码Wishart协方差重建问题，结果优于静态、仅数据和对数欧几里得去噪基线。实验还验证了该去噪器的收敛性质。

论文 1-Lipschitz神经网络 Hadamard流形 Busemann函数

推荐理由：这篇论文给出了一种在非欧空间（如双曲流形、SPD流形）上构建Lipschitz可控神经网络的具体方法，想处理流形数据或者关心模型鲁棒性的朋友可以看看。

12:04

12:04

官方账号arXiv cs.LG@Chen Ziheng

这篇论文提出了黎曼深度学习的统一框架，涵盖可复用模块、流形特定网络和底层几何设计。它将批量归一化从欧氏空间和单一流形推广到李群和陀螺群等广泛类别，将多项逻辑回归从欧氏空间扩展到SPD流形再推广到一般黎曼流形。论文还开发了无约束双曲空间模型、Busemann双曲学习以及全秩相关矩阵的神经网络。此外，引入了SPD流形上可学习的Log-Euclidean几何和快速的Cholesky几何。方法在视觉、信号处理、图学习和基因组学等应用中通过实验验证。

论文黎曼深度学习流形神经网络

推荐理由：这篇论文把黎曼深度学习做成了统一理论，把批量归一化、逻辑回归推广到各种流形，还有新的双曲模型和高效几何，搞几何深度学习的别错过。