non-euclidean data | BriefGPT

关键词non-euclidean data

搜索结果 - 11

深度外在流形表示的视觉任务
通过将外在流形表征嵌入到深度神经网络中，Deep Extrinsic Manifold Representation (DEMR) 方法用于视觉任务，不直接优化复杂的测地损失，而是侧重于优化嵌入欧氏空间内的计算图，以适应不同的架构要求；在两
PDF3 months ago
用于公平性的 GNN 的 Lipschitz 稳定性表征
通过研究 GNN Lipschitz 界限对非欧几里德数据的作用，调查 GNN 模型输出稳定性，并通过对公平训练中学习到的偏见进行实验验证 Lipschitz 边界的有效性，最终展示理论 Lipschitz 边界在 GNN 训练中如何有效平
PDF10 months ago
核点聚集下的双曲卷积
本文提出了一种新的可训练超几何卷积神经网络 HKConv，它在保持与置换等变和局部邻域平移不变性的同时，能够有效地按照超几何形状学习本地特征，尤其在层次或类似树状数据的嵌入方面表现出色。
PDFa year ago
ICML黎曼凸势图
我们提出并研究了一类使用来自黎曼最优传输的凸势的流，可以对任何紧黎曼流形上的分布进行建模，用于理解物理和地质等非欧几里德数据的分布模拟。
PDF3 years ago
GraphMDN：利用图结构和深度学习解决反问题
本文研究了新型的图神经网络 (Graph Neural Networks) 在处理非欧几里德图结构数据时的应用。作者提出了一种将 Graph Neural Network 和混合密度网络 (Mixture Density Network,
PDF4 years ago
ICCVDeepGCNs: GCN 能否像 CNN 一样深？
本研究通过将 CNN 的残差连接和扩张卷积应用到 GCN 体系结构中，成功地解决了 GCN 中梯度消失的问题，构建了深层的 GCN，实现了更好的点云语义分割表现。
PDF5 years ago
CVPR自适应连接神经网络
本文介绍了一种新型的自适应连接神经网络 (ACNet)，以两个方面改进了传统的卷积神经网络 (CNN)。首先，ACNet 通过自适应地确定特征节点 (如特征映射的像素) 之间的连接状态，采用了灵活的方式在处理内部特征表示时切换全局和局部推理
PDF5 years ago
一个时间 - 顶点信号处理框架
该研究提出了一种名为 “Time-Vertex Signal Processing” 的框架，通过将时域信号处理技术与新的图信号处理工具相结合，旨在提高联合谐波分析的概念，并通过分析图上的简单偏微分方程的状态演变作为一种分析工具的形式，来处
PDF7 years ago
Wasserstein 空间中的 Fréchet 平均和 Procrustes 分析
本研究探讨了函数数据分析和非欧几里得数据分析领域中的两个统计学问题：在多元分布的 Wasserstein 空间中确定 Fréchet 均值，以及畸变随机测量和点过程的最佳注册。研究表明，这两个问题在某种意义上是相互关联的，并通过利用 Was
PDF7 years ago
使用混合模型 CNN 对图和流形进行几何深度学习
这篇论文提出了一个以卷积神经网络为基础的统一框架，以推广 CNN 的应用领域到非欧几里得结构的数据，如图形和流形，并且发现这个框架可以在图像、图形和三维形状分析的标准测试中取得更好的性能。
PDF8 years ago
一种基于图形的多元和对象数据双样本检验新方法
本文介绍了一种新的基于样本汇总上的相似性图构建的新型检验统计量，适用于多元数据和非欧几里得数据，可以通过定义样本空间上的不相似性度量，使用于匹配观测研究中的协变量平衡评估和比较网络数据等问题，并在模拟研究中表现出明显的功效提升。
PDF11 years ago