論文の概要: Symmetric Positive Semi-definite Riemannian Geometry with Application to
Domain Adaptation
- arxiv url: http://arxiv.org/abs/2007.14272v2
- Date: Tue, 4 Aug 2020 16:00:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 01:44:57.972265
- Title: Symmetric Positive Semi-definite Riemannian Geometry with Application to
Domain Adaptation
- Title(参考訳): 対称正半定義リーマン幾何学と領域適応への応用
- Authors: Or Yair, Almog Lahav, and Ronen Talmon
- Abstract要約: 対称正半定値行列(SPSD)の幾何学に関する新しい結果を示す。
本稿では,ドメイン適応(DA)のアルゴリズムを提案し,その性能を2つのアプリケーションで示す。
- 参考スコア(独自算出の注目度): 7.126737403006778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present new results on the Riemannian geometry of symmetric
positive semi-definite (SPSD) matrices. First, based on an existing
approximation of the geodesic path, we introduce approximations of the
logarithmic and exponential maps. Second, we present a closed-form expression
for Parallel Transport (PT). Third, we derive a canonical representation for a
set of SPSD matrices. Based on these results, we propose an algorithm for
Domain Adaptation (DA) and demonstrate its performance in two applications:
fusion of hyper-spectral images and motion identification.
- Abstract(参考訳): 本稿では、対称正の半定値行列(SPSD)のリーマン幾何学に関する新しい結果を示す。
まず、既存の測地線経路の近似に基づいて、対数および指数写像の近似を導入する。
次に,パラレルトランスポート(pt)のための閉形式式を提案する。
第3に、SPSD行列の集合に対する標準表現を導出する。
これらの結果に基づき,領域適応アルゴリズム(da)を提案し,その性能を2つの応用(ハイパースペクトル画像の融合と動き同定)で実証する。
関連論文リスト
- The Fisher-Rao geometry of CES distributions [50.50897590847961]
Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。
楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
論文 参考訳(メタデータ) (2023-10-02T09:23:32Z) - Accelerated Discovery of Machine-Learned Symmetries: Deriving the
Exceptional Lie Groups G2, F4 and E6 [55.41644538483948]
このレターでは、対称性変換の発見を著しく高速化する2つの改良されたアルゴリズムを紹介している。
例外的リー群の複雑性を考えると,この機械学習手法は完全に汎用的であり,多種多様なラベル付きデータセットに適用可能であることを示す。
論文 参考訳(メタデータ) (2023-07-10T20:25:44Z) - Sliced-Wasserstein on Symmetric Positive Definite Matrices for M/EEG
Signals [24.798859309715667]
共分散行列の分布を扱うための新しい手法を提案する。
本稿では,脳コンピュータインタフェースの領域適応におけるワッサースタイン距離の効率的なサロゲートであることを示す。
論文 参考訳(メタデータ) (2023-03-10T09:08:46Z) - Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras
from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。
完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。
また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文 参考訳(メタデータ) (2023-01-13T16:25:25Z) - Symmetric Volume Maps [26.715010694637243]
四面体体積メッシュとして表される体積間のマッピング法を提案する。
我々の定式化は、原点と対象領域の順序に依存することなく、対称に写像を抽出するように設計された歪みエネルギーを最小化する。
本手法を多種多様な幾何学的データセット上で実証し, 境界に整合した低歪みマッチングを生成する。
論文 参考訳(メタデータ) (2022-02-05T14:44:37Z) - GeomNet: A Neural Network Based on Riemannian Geometries of SPD Matrix
Space and Cholesky Space for 3D Skeleton-Based Interaction Recognition [2.817412580574242]
本稿では3次元骨格配列から2人のインタラクションを表現・分類するための新しい手法を提案する。
提案手法は,3次元人間の活動理解のための3つのベンチマーク上での2人インタラクション認識において,競合的な結果が得られることを示す。
論文 参考訳(メタデータ) (2021-11-25T13:57:43Z) - On Geometric Connections of Embedded and Quotient Geometries in
Riemannian Fixed-rank Matrix Optimization [5.876141028192136]
本稿では,埋め込みおよび商測地の下でのリーマン最適化問題の幾何学的ランドスケープ接続を確立するための一般的な手順を提案する。
固定ランク行列最適化において,特定のリーマン測度を持つ2つの測度間のアルゴリズム的接続を観測する。
結果は、文学における未回答の疑問に対して、いくつかの新しい理論的洞察を与える。
論文 参考訳(メタデータ) (2021-10-23T03:13:56Z) - Nonconvex Factorization and Manifold Formulations are Almost Equivalent
in Low-rank Matrix Optimization [6.462179538647346]
我々は、広く研究された多様体の幾何学的地形接続と、低ランク正半定値(PSD)および一般行列最適化における分解公式を考える。
多様体と分解式の間の一階定常点(FOSP)と二階定常点(SOSP)の集合に同値性を確立する。
PSDの場合と一般の場合のランドスケープ接続の類似点と相違点について論じる。
論文 参考訳(メタデータ) (2021-08-03T22:14:01Z) - q-Paths: Generalizing the Geometric Annealing Path using Power Means [51.73925445218366]
我々は、幾何学と算術の混合を特別なケースとして含むパスのファミリーである$q$-pathsを紹介した。
幾何経路から離れた小さな偏差がベイズ推定に経験的利得をもたらすことを示す。
論文 参考訳(メタデータ) (2021-07-01T21:09:06Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳(メタデータ) (2021-06-14T17:19:44Z) - Gauge Equivariant Mesh CNNs: Anisotropic convolutions on geometric
graphs [81.12344211998635]
メッシュ上の畳み込みを定義する一般的なアプローチは、それらをグラフとして解釈し、グラフ畳み込みネットワーク(GCN)を適用することである。
本稿では、GCNを一般化して異方性ゲージ同変カーネルを適用するGauge Equivariant Mesh CNNを提案する。
本実験は,従来のGCNおよび他の手法と比較して,提案手法の表現性を大幅に向上することを示した。
論文 参考訳(メタデータ) (2020-03-11T17:21:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。