关键词equivariant architectures
搜索结果 - 4
- 过参数化神经网络中的对称性:一种均场视角
我们以平均场(Mean-Field)视角分析参数过多的人工神经网络在对称数据条件下的学习动态,探讨了采用随机梯度下降和可能的对称性增强技术(如数据增广、特征平均或等变体系结构)训练的广义浅层网络的学习动态,研究结果发现在对称数据的情况下,数 - 晶体材料生成的统一模型
本论文提出了两个使用周期等变建筑同时作用于晶体晶格和原子位置的统一模型,具有学习任意晶体晶格变形并将总能量降至热力学稳定性的能力。
- 学习概率对称化实现架构无关等变性
通过使用一种小型等变网络将概率分布参数化为对称化并对基模型进行端到端训练,本研究提出了一种新的框架来克服等变体系结构在学习具有群对称性的函数方面的局限性。
- 液体流动建模中等变和不变对称性的重要性
本研究建立了多尺度同变 GNN 模型用于预测流体流动情况,并研究了同变和不变表示方法对模型预测的影响,结果表明使用不变量可以更准确地预测长期流体流动情况且这些不变量可以通过数据驱动编码器学习。