- 语言变形机中高维抽象阶段的出现
一个关键的高维度阶段可以解释许多通用语言模型架构中的核心语言处理,由于其几何属性与功能的关系需要进一步研究。
- 优化多覆盖感知网络设计
传感器布置优化方法研究广泛,但很少有研究考虑到传感器网络在传感器故障或对抗性攻击方面的鲁棒性和效率。本文通过优化寻找最少数量的传感器来实现预定数量传感器对非连通域进行多次覆盖,从而解决了这个问题。我们提出了一种新的目标函数用于贪婪算法设计高 - 基于数据驱动深度学习的非欧几里德操作的几何神经算子(GNP)
介绍了几何神经算子(Geometric Neural Operators,GNPs),用于在数据驱动的深度学习中考虑几何贡献。展示了 GNPs 的应用:(i)估计几何属性,如度量和曲率,(ii)在流形上近似偏微分方程(PDE),(iii)学 - PolyDiff:使用扩散模型生成三维多边形网格
PolyDiff 是第一个能够直接生成逼真且多样化的三维多边形网格的扩散式方法。通过在多边形网格数据结构上本地化进行离散去噪扩散概率建模,我们能够学习顶点的几何特性和面的拓扑特性,从而生成高质量的三维多边形网格,适用于后续的三维工作流集成。
- 阴影不撒谎,直线不弯曲!生成模型暂不懂投影几何……
通过使用几种分类器只分析图像的几何特征,我们证明生成的图像具有与真实图像不同的几何特征,当前的生成器无法可靠地复制真实图像的几何属性。
- 联邦瓦瑟斯坦距离
我们介绍一个计算分布之间 Wasserstein 距离的方法,该方法是以分布式的方式进行计算的。我们利用 Wasserstein 距离的几何特性,尤其是三角不等式,和相关的测地线,通过操作并交换测地线空间中的分布来逐步近似 Wasserst - 神经网络的记忆化:超越最坏情况
通过采用特定实例的观点,本研究论文调查了神经网络的插值方法,引入了一个简单的随机算法,通过固定的有限数据集,高概率地构建了一个可以插值的三层神经网络,其所需参数数量与两个类别及其相互排列的几何属性有关,从而获得了与样本数无关的保证,并通过大 - 机器学习法那诺概形的维度
我们应用机器学习的方法研究了 Fano varieties 的量子周期与其维度之间的关系,并且通过建立 Fano varieties 的量子周期的渐近规律,确定了 Fano varieties 的维度,从而证明了机器学习在从数学数据中提取结 - ICCV用于精细手物体重建的动态双曲线注意网络
本文提出了首个在双曲空间中精确手物体重构的方法 Dynamic Hyperbolic Attention Network (DHANet),该方法借助双曲空间的内在特性学习代表性特征,并通过动态双曲图卷积和基于图注意力的双曲图卷积两个模块来 - 使用边细分从 ReLU 网络中提取多面体复合物
本文提出基于 sign-vectors 的多面体分割方法,并应用于神经形状表示的几何属性优化,其速度快且在消费级机器上可用。
- 曲率引导采样的权重感知隐式几何重建
该研究提出了一种利用插值与外推技术,通过有效计算几何特性和引入权重感知的隐式神经表示法,在有限的已知数据下重建具有优异定量和定性结果的表面,并能够处理非闭合表面的局部退化区域
- 理解异质数据联邦学习中的模型平均
通过对几何属性的可视化和预测误差的分解,本文研究了模型平均在联邦学习中成功的原因,并提出采用迭代移动平均法来减少预测误差并限制最大距离的提高精度和训练速度。
- 异质斜向双重随机森林
研究探讨了使用多个线性分类器的异构斜交双随机森林 (heterogeneous oblique double RaF) 用于特定疾病的预测,相较于基础模型该模型的表现更佳,并可以更好的捕捉数据的几何特性和生成更大的树。
- 大型 Transformer 模型的隐藏表示的几何学
研究表明,transformers 在蛋白质语言任务和图像重建任务中的表示以非常相似的方式演化,从而呈现出数据流形在隐藏层中的几何和统计特性,而数据流形的语义结构在第一阶段触发。基于这些观察结果,建议使用内在维度作为无监督代理,以确定下游学 - 高维潜空间中可靠的散布度量
本文提出并验证八种数据分布度量方法,相对于现有方法,其中大部分具有改进效果,建议使用一种基于主要成分的度量方法和一种基于熵的度量方法来评估模型的数据分布情况。
- EMNLP通过检查注意力映射的拓扑结构进行可接受性判断
研究了注意机制在编码语言知识中的作用,并探讨了注意头在判断句子的语法可接受性方面的能力,通过拓扑数据分析显示关注图的几何特性可以有效地被用于二元判断和语言最小对的标准做法,并通过 CoLA 上的三种语言(英语,意大利语和瑞典语)提高了 BE - CVPR云球:通过渐进变形实现的三维形状表示
通过一种渐进变形的方法,本论文利用球形点云为模板来提取阶段感知的描述信息,进而实现对 3D 形状的高精度重构。
- CVPR面向图像检索的多模态查询嵌入算法
本文提供了一种检测基于多模态查询的图像检索任务的新数据集 SIMAT,使用图像 / 文本匹配预测器来评估基于图像 / 文本匹配策略训练的多模态嵌入空间的几何属性,并研究了利用预训练通用句子编码器(FastText,LASER 和 LaBSE - 深度隐式曲面点预测网络
本文提出了一种新的隐式表示方法,称为最接近的表面点(CSP)表示,用于表示具有任何拓扑结构的开放或封闭形状并计算本地几何属性,可以实现高保真度和有效实现外围算法,如球追踪来呈现三维表面和创建显式基于网格的表示,并在 ShapeNet 数据集 - ICMLGeomCA: 数据表示的几何评估
本文提出了一个名为 Geometric Component Analysis(GeomCA)的算法,用于评估表示空间的几何和拓扑特性。通过分析对比学习模型、生成模型和监督学习模型所得到的表示,展示了算法的适用性。