计算可行的黎曼流形用于图嵌入

Feb, 2020

Computationally Tractable Riemannian Manifolds for Graph Embeddings

Calin Cruceru, Gary Bécigneul, Octavian-Eugen Ganea

TL;DR本研究探索了在借助矩阵流形学习和优化图嵌入的情况下，如何在曲线里曼尼流形中提高图像嵌入的表现。我们的实验结果证明，在各种衡量不同图形属性的指标基础上，我们通常优于基于超球体和椭球嵌入的欧几里得嵌入，从而为非欧几里得句子嵌入在机器学习流水线中的优势提供了新的证据。

Abstract

Representing graphs as sets of node embeddings in certain curved Riemannian manifolds has recently gained momentum in machine learning due to their desirable geometric inductive biases, e.g., hierarchical structu

node embeddings riemannian manifolds hyperbolic geometry matrix manifolds machine learning

发现论文，激发创造

利用软流形提升具有缺失数据的图嵌入

使用软流形进行图嵌入，为复杂数据集中的任何数据分析任务提供连续空间，实验结果表明其能够相对于现有技术更准确可靠地对图进行表征。

Nov, 2023

极超伪双曲表示学习

本文提出了一种基于常曲率伪黎曼流形的表示方法，适用于非欧几里德结构数据的机器学习。该方法的优化方法及应用于图表示的实验结果也被给出。

Jul, 2020

伪里曼流形中的有向图嵌入

本文提出了一种新的嵌入模型，用于表示有向图，并通过将模型应用于语言应用和生物领域中的一系列实际案例，旨在展示该模型的重构能力和预测链接的能力。使用低维度圆柱形闵可夫斯基和反德西时空比高维曲面黎曼流形表现更优。

Jun, 2021

深度生成模型的黎曼几何

研究了深度生成模型所学习的流形的黎曼几何，并提出了计算测地线和沿流形路径平行传递切向量的算法，发现这些模型学习的流形近似于零曲率，并探讨了这种现象的实际影响。

Nov, 2017

矩阵流形上的黎曼适应性随机梯度算法

该研究提出了一种针对 Riemannian 矩阵流形的新型随机梯度算法，通过适应梯度的行和列子空间，使算法能够在保留流形丰富结构的同时进行优化，并证明了算法的收敛性和收敛速率。

Feb, 2019

融合流形图神经网络

我们提出了一种融合不同黎曼流形嵌入的图神经网络 (FMGNN) 架构，通过选择地标和几何核心集使不同流形之间的顶点嵌入通过不同流形之间的距离相互作用和对齐，进而在顶点分类和链路预测任务方面取得了比强基线更优秀的表现。

Apr, 2023

超几何空间中图的神经嵌入

通过在超宇宙中学习神经嵌入，可以在图结构数据中提高特征表达的性能，我们的实验证明了在自然几何形态下嵌入图可以显著提高多个实际数据集的性能。

May, 2017

深度神经网络的奇异黎曼几何方法 I. 理论基础

本论文研究基于 Riemannian 几何的新方法，探索深度神经网络在流形之间的映射及其导致的结构，指出其 pullbacks 在其他流形上生成了诱导偏度量空间的退化 Riemann 度量，给出了这种映射的理论性质，并在实用神经网络中应用其几何框架

Dec, 2021

计算机视觉中的双曲几何：一项调查

本文是第一篇也是目前最全面的关于超几何空间在计算机视觉应用领域的文献综述，讨论了超几何空间背景、算法及其在图像分类等视觉数据处理中的应用，并对未来研究方向进行了探讨。

Apr, 2023

DyERNIE: Riemann 流形嵌入的动态演化，用于时间知识图谱补全

Dy-ERNIE proposes a non-Euclidean embedding approach that learns evolving entity representations on a product of Riemannian manifolds to better reflect the geometric structures of temporal knowledge graphs, resulting in improved performance on temporal knowledge graph completion tasks.

Nov, 2020