equivariant models | BriefGPT

关键词equivariant models

搜索结果 - 7

神经极化：通过扩展等变网络推导出分子的电子密度
最近的 SO (3) 等变模型以分子作为一组固定在三维空间中的单原子的形式进行嵌入，类似于球杆观点。然而，这种观点虽然提供了原子排列的简洁视图，但不能表示周围的电子密度，其极化效应可能被低估。为了克服这个限制，我们提出了 “神经极化”，一种
PDFa month ago
深度集成中的紧密等变性
我们证明深度集成模型是等变的，通过使用数据增强，可以使深度集成模型在所有输入和训练时间上表现出等变性。关键是等变性在远离流形区域和无限宽度条件下的任何架构都成立。我们利用神经切向核理论推导出这一结果，并使用详细的数值实验验证了我们的理论见解
PDF4 months ago
ICML混合对称下的软等变正则化
本文提出了一种基于正则化的方法，用于在具有混合近似对称性的数据集上构建模型，通过该方法可以依据每种对称性类型的等变正则化器训练模型，自动调整正则化器的强度，从而发现某些候选对称性类型的近似水平，同时在功能拟合和运动预测任务中展示了比以前的方
PDFa year ago
使用 E (3)- 等变图神经网络学习拉格朗日流体力学
我们展示了等变图神经网络在工程系统机器学习领域具有优于非等变模型的学习精度，并且我们发现使用我们提出的历史嵌入方法来训练等变模型可以学习到更加准确的物理交互。
PDFa year ago
ICML学习对称嵌入以实现等变世界模型
利用学习对称嵌入网络（SENs）的方法能够促进等变网络应用于具有复杂对称性表示的数据，并可能相对于全等变和非等变基线产生精度和泛化方面的改进。
PDF2 years ago
ICML关于普适对抗和不变扰动
本文研究使用 CNN 以及其衍生的 GCNN 在旋转不变性训练方面的成果，以及在特定谱属性下所提出的通用性对抗性扰动技术 SVD-Universal 的效果与普适性。
PDF4 years ago
ICML神经网络在空间和敌对鲁棒性之间的权衡
本文证明了在一种简单的统计设置中，在空间强度和对抗强度之间存在一种定量的权衡关系，并提出了一种基于课程学习的方法，通过逐渐训练更复杂的扰动 (包括空间和对抗的) 来同时提高空间鲁棒性和对抗鲁棒性。
PDF4 years ago