通过量子动力学进行多流形学习
本文讨论了基于浸入流和哈密尔顿 - 雅可比表示描述的测地线流的概率密度函数流形的 Markov chain Monte Carlo 方法,并基于流形支撑下的测地线流开发了提案机制,文中用超球面和正交矩阵的 Stiefel 流形为例进行了说明。
Jan, 2013
机器学习模型发现的流形提供了底层数据的紧凑表示。这项工作提出了一种基于模型的距离场和流形上的测地线流的参数化方法,利用流形增强 Eikonal 方程的解。我们展示了流形的几何对距离场的影响,并利用测地线流直接获得全局长度最小曲线。这项工作为可微流形上的统计和降阶建模开辟了机会。
Oct, 2023
通过数值工具来获得保持汉密尔顿量的测地线,提出了一个基于模型的连续流形上的距离场和测地线流的参数化方法,以及基于曲率的训练机制,以对测地偏离程度较高的流形区域进行采样和缩放。
May, 2023
本文提供了一种可计算、直接且数学严谨的方法,用于近似高维数据的类流形的微分几何,以及从输入空间到这些类流形的非线性投影。该方法应用于神经网络图像分类器的设置中,在流形上生成新颖的数据样本,并实现了流形上的对抗训练的投影梯度下降算法,以解决神经网络对对抗性攻击的敏感性问题。
Aug, 2023
我们提出了一种在 Riemannian 流形上进行分布学习的替代方法,该方法只需要一次函数评估,然后将结果投影到流形上。通过在切空间中评估的迹来估计负对数似然的梯度,我们在各种流形上评估了我们的方法,并发现相比之前的工作,推断速度显著提高且具有竞争性的性能。我们在该网址上公开了我们的代码。
Dec, 2023
本文介绍了一种基于流形学习的紧凑二进制哈希算法,解决了流形学习在大规模嵌入中的问题,并提出了一个有效的方法来解决样本外数据问题,特别是基于 t-SNE 实现的哈希算法。
Mar, 2013
提出了一种基于本地线性回归的算法来自动检测与重复特征向量对应的坐标,从而构造更简洁的埋点,并且将这种精简的扩散地图嵌入引导的距离转换为等价的度量。此方法在合成数据集和细胞趋化随机模型数据集上均获得了良好的效果。
May, 2015
本研究提出了一种新型的节点嵌入方法,通过全局最小化成对相对熵和非线性的图地理路径,将每个节点编码为测量空间上的概率密度函数,并研究了其几何性质和有效的学习过程,实验结果表明,该方法在保留全局地理信息方面优于现有模型,并在无监督设置下在各种评估指标上表现出色。
May, 2019
本文从 Riemann 流形的角度研究了机器人运动学习范式,并探讨了通过人类示范学习获得 Riemann 流形以及通过利用考虑障碍物的周围度量重新塑造学习的流形来促进末端点 / 多肢体避障的技术。通过 7 自由度机器人操作机械臂展示了学习和生成基于复杂运动模式的运动技能的能力,并评估了多种障碍物避开策略和在多种模式下生成轨迹。
Mar, 2022