PulseAugur
中
实时 03:42:09
English(EN) Geometry-Preserving Neural Architectures on Manifolds with Boundary

新框架统一了流形上的保几何神经网络架构

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个统一的保几何神经网络框架，根据几何约束的执行位置和方式对其进行组织。这项工作通过证明投影神经网络常微分方程（ODEs）及相关架构在近正则约束集（包括具有边界的光滑流形）上的逼近定理，来解决理论上的空白。所提出的方法在合成数据和真实蛋白质骨架数据上进行了测试，证明了其性能和可行性的提高，特别是对于具有更简单最终增强的架构。 AI

影响 引入了一个统一的保几何神经网络理论框架，有望改善其在需要精确几何约束领域的应用。

排序理由 该集群包含一篇详细介绍神经网络架构新理论框架和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架统一了流形上的保几何神经网络架构

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Karthik Elamvazhuthi, Shiba Biswal, Kian Rosenblum, Arushi Katyal, Tianli Qu, Grady Ma, Rishi Sonthalia ·

    具有边界的流形上的几何保持神经网络架构

    arXiv:2602.03082v2 Announce Type: replace Abstract: A growing number of neural architectures have been proposed to enforce geometric constraints, including projection-based networks, exponential-map updates, constrained output layers, and manifold neural ODEs. We provide a unifie…

相关实体

相关话题