VAE-DLM

新的VAE方法通过几何流增强动力学学习

研究人员开发了一种名为VAE-DLM的新型变分自编码器（VAE）方法，该方法结合了黎曼几何和潜在高维稳定几何流。该方法旨在改进数据中潜在动力学的学习，特别是对于偏微分方程（PDE）。VAE-DLM框架允许在潜在空间中诱导特定的流形几何形状，从而产生更具表现力的表示和重新制定的证据下界（ELBO）损失。实证结果表明，VAE-DLM在选定数据集上的性能与传统VAE相当或更好，通常可将分布外误差降低15%至35%。