研究人员开发了内在格林学习（Intrinsic Green's Learning, IGL），一种用于流形上监督学习的新框架。IGL将流形上的目标函数建模为线性偏微分方程（PDE）的解，通过从数据中学习其源项来实现。该方法采用编码器发现流形上的低维坐标图，从而将源项和格林核分解为低秩张量。这种方法将高维积分简化为独立的低维积分，计算成本与流形的内在维度成线性关系。一个两阶段算法将坐标发现与源项拟合分开，可学习的门控自动确定内在维度，这在MNIST上的近乎最优的分类和内在维度恢复中得到了证明。 AI
影响 引入了一种用于复杂数据结构上监督学习的新颖数学框架，有可能提高模型的效率和准确性。
排序理由 该集群包含一篇详细介绍新机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.07034v1 Announce Type: cross Abstract: We introduce Intrinsic Green's Learning (IGL), a framework that models a target function on a manifold as the solution to a linear PDE whose source term is learned from data. Rather than approximating the target directly, IGL lear…
We introduce Intrinsic Green's Learning (IGL), a framework that models a target function on a manifold as the solution to a linear PDE whose source term is learned from data. Rather than approximating the target directly, IGL learns a source and integrates it against a Green's ke…