論文の概要: K\"ahler Geometry of Quiver Varieties and Machine Learning
- arxiv url: http://arxiv.org/abs/2101.11487v2
- Date: Wed, 10 Feb 2021 16:09:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-13 22:27:55.994617
- Title: K\"ahler Geometry of Quiver Varieties and Machine Learning
- Title(参考訳): K\'ahler Geometry of Quiver Varieties and Machine Learning
- Authors: George Jeffreys and Siu-Cheong Lau
- Abstract要約: 我々は、フレーム表現のモジュラー空間を用いた機械学習におけるニューラルネットワークの代数幾何学的定式化を開発する。
複素射影空間から構築された多変数活性化関数に対する普遍近似定理を証明する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We develop an algebro-geometric formulation for neural networks in machine
learning using the moduli space of framed quiver representations. We find
natural Hermitian metrics on the universal bundles over the moduli which are
compatible with the GIT quotient construction by the general linear group, and
show that their Ricci curvatures give a K\"ahler metric on the moduli.
Moreover, we use toric moment maps to construct activation functions, and prove
the universal approximation theorem for the multi-variable activation function
constructed from the complex projective space.
- Abstract(参考訳): 我々は、フレームド・クイバー表現のモジュライ空間を用いた機械学習におけるニューラルネットワークの代数幾何学的定式化を開発する。
一般線型群による GIT の商構造と互換性のあるモジュライ上の普遍バンドル上の自然なエルミート測度と、それらのリッチ曲率がモジュライ上の K\" アーラー測度を与えることを示す。
さらに, トーリックモーメント写像を用いて活性化関数を構築し, 複素射影空間から構築した多変数活性化関数に対する普遍近似定理を証明した。
関連論文リスト
- A Unified Framework for Discovering Discrete Symmetries [17.687122467264487]
対称性を尊重する関数を対称性のクラスから学習する問題を考察する。
我々は、幅広いサブグループにわたる対称性の発見を可能にする統一的なフレームワークを開発する。
論文 参考訳(メタデータ) (2023-09-06T10:41:30Z) - A General Framework for Equivariant Neural Networks on Reductive Lie
Groups [2.0769531810371307]
還元リー群は、高エネルギー物理学、量子力学、量子色力学、分子動力学、コンピュータビジョン、イメージングなど、科学分野において重要な役割を担っている。
任意の簡約リー群 G の有限次元表現を尊重できる一般同変ニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-05-31T18:09:37Z) - Oracle-Preserving Latent Flows [58.720142291102135]
我々はラベル付きデータセット全体にわたって複数の非自明な連続対称性を同時に発見するための方法論を開発する。
対称性変換と対応するジェネレータは、特別に構築された損失関数で訓練された完全連結ニューラルネットワークでモデル化される。
この研究における2つの新しい要素は、縮小次元の潜在空間の使用と、高次元のオラクルに関して不変な変換への一般化である。
論文 参考訳(メタデータ) (2023-02-02T00:13:32Z) - 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) - Invertible bimodule categories and generalized Schur orthogonality [0.0]
我々は、与えられた双加群圏が可逆であるかどうかを決定するために、弱ホップ代数の一般化を用いる。
可逆性の条件はMPO-インジェクティビティの概念と等価であることを示す。
論文 参考訳(メタデータ) (2022-11-03T16:34:01Z) - Noncommutative Geometry of Computational Models and Uniformization for
Framed Quiver Varieties [0.0]
非可換代数と近接環を用いて計算ニューラルネットワークの数学的構成を定式化する。
対応するフレームド・クイバー表現のモジュライ空間について検討し、均一化の観点からユークリッド型および非コンパクト型のモジュライを求める。
論文 参考訳(メタデータ) (2022-01-15T18:08:50Z) - Frame Averaging for Equivariant Shape Space Learning [85.42901997467754]
形状空間学習に対称性を組み込む自然な方法は、形状空間(エンコーダ)への写像と形状空間(デコーダ)からの写像が関連する対称性に同値であることを問うことである。
本稿では,2つのコントリビューションを導入することで,エンコーダとデコーダの等価性を組み込む枠組みを提案する。
論文 参考訳(メタデータ) (2021-12-03T06:41:19Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Representation Theorem for Matrix Product States [1.7894377200944511]
本稿では, 行列積状態(MPS)の普遍的表現能力について, 関数と連続関数の観点から検討する。
任意のゲートに対して対応するMPS構造の構築方法を提供することにより、MPSが任意の機能を正確に実現できることを示した。
我々は,MPSとニューラルネットワークの関係について検討し,スケール不変なシグモダル関数を持つMPSが一層ニューラルネットワークと等価であることを示す。
論文 参考訳(メタデータ) (2021-03-15T11:06:54Z) - LieTransformer: Equivariant self-attention for Lie Groups [49.9625160479096]
群等価ニューラルネットワークは群不変ニューラルネットワークの構成要素として用いられる。
我々は、文学の範囲を、ディープラーニングモデルの顕著な構築ブロックとして現れつつある自己注意にまで広げる。
任意のリー群とその離散部分群に同値なリー自己結合層からなる構造であるリー変換器を提案する。
論文 参考訳(メタデータ) (2020-12-20T11:02:49Z) - A Functional Perspective on Learning Symmetric Functions with Neural
Networks [48.80300074254758]
本研究では,測定値に基づいて定義されたニューラルネットワークの学習と表現について検討する。
正規化の異なる選択の下で近似と一般化境界を確立する。
得られたモデルは効率よく学習でき、入力サイズにまたがる一般化保証を享受できる。
論文 参考訳(メタデータ) (2020-08-16T16:34:33Z)
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。