論文の概要: Differential geometry with extreme eigenvalues in the positive
semidefinite cone
- arxiv url: http://arxiv.org/abs/2304.07347v2
- Date: Thu, 8 Feb 2024 12:29:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 19:46:13.396392
- Title: Differential geometry with extreme eigenvalues in the positive
semidefinite cone
- Title(参考訳): 正半定円錐における極値を持つ微分幾何学
- Authors: Cyrus Mostajeran, Natha\"el Da Costa, Graham Van Goffrier, Rodolphe
Sepulchre
- Abstract要約: 本稿では,超一般化固有値の効率に基づくSPD値データの解析と処理のためのスケーラブルな幾何学的枠組みを提案する。
我々は、この幾何学に基づいて、SPD行列の新たな反復平均を定義し、与えられた有限個の点の集合に対するその存在と特異性を証明する。
- 参考スコア(独自算出の注目度): 1.9116784879310025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Differential geometric approaches to the analysis and processing of data in
the form of symmetric positive definite (SPD) matrices have had notable
successful applications to numerous fields including computer vision, medical
imaging, and machine learning. The dominant geometric paradigm for such
applications has consisted of a few Riemannian geometries associated with
spectral computations that are costly at high scale and in high dimensions. We
present a route to a scalable geometric framework for the analysis and
processing of SPD-valued data based on the efficient computation of extreme
generalized eigenvalues through the Hilbert and Thompson geometries of the
semidefinite cone. We explore a particular geodesic space structure based on
Thompson geometry in detail and establish several properties associated with
this structure. Furthermore, we define a novel iterative mean of SPD matrices
based on this geometry and prove its existence and uniqueness for a given
finite collection of points. Finally, we state and prove a number of desirable
properties that are satisfied by this mean.
- Abstract(参考訳): 対称正定値行列(SPD)の形でのデータの解析と処理に対する異なる幾何学的アプローチは、コンピュータビジョン、医用画像、機械学習を含む多くの分野に顕著な成功を収めた。
そのような応用における支配的な幾何学的パラダイムは、高スケールおよび高次元でコストがかかるスペクトル計算に付随するいくつかのリーマン幾何学から成り立っている。
本研究では,半定円錐のヒルベルト・トンプソン測地による超一般化固有値の効率的な計算に基づくSPD値データの解析と処理のためのスケーラブルな幾何学的枠組みを提案する。
トンプソン幾何学に基づく特定の測地空間構造を詳細に探求し、この構造に関連するいくつかの性質を確立する。
さらに、この幾何に基づいてSPD行列の新たな反復平均を定義し、与えられた有限個の点の集合に対するその存在と特異性を証明する。
最後に、この平均で満足できる多くの望ましい性質を述べ、証明します。
関連論文リスト
- A Survey of Geometric Graph Neural Networks: Data Structures, Models and
Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。
幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。
また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文 参考訳(メタデータ) (2024-03-01T12:13:04Z) - Adaptive Surface Normal Constraint for Geometric Estimation from
Monocular Images [59.00008891108098]
本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。
提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。
本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
論文 参考訳(メタデータ) (2024-02-08T17:57:59Z) - A Hitchhiker's Guide to Geometric GNNs for 3D Atomic Systems [87.30652640973317]
原子系の計算モデリングの最近の進歩は、これらを3次元ユークリッド空間のノードとして埋め込まれた原子を含む幾何学的グラフとして表現している。
Geometric Graph Neural Networksは、タンパク質構造予測から分子シミュレーション、物質生成まで、幅広い応用を駆動する機械学習アーキテクチャとして好まれている。
本稿では,3次元原子システムのための幾何学的GNNの分野について,包括的で自己完結した概要を述べる。
論文 参考訳(メタデータ) (2023-12-12T18:44:19Z) - 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) - Parametrizing Product Shape Manifolds by Composite Networks [5.772786223242281]
形状空間に対する効率的なニューラルネットワーク近似を特別な積構造で学習することは可能であることを示す。
提案アーキテクチャは,低次元因子の近似とその後の組み合わせを別々に学習することで,この構造を利用する。
論文 参考訳(メタデータ) (2023-02-28T15:31:23Z) - A singular Riemannian geometry approach to Deep Neural Networks I.
Theoretical foundations [77.86290991564829]
ディープニューラルネットワークは、音声認識、機械翻訳、画像解析など、いくつかの科学領域で複雑な問題を解決するために広く使われている。
我々は、リーマン計量を備えた列の最後の多様体で、多様体間の写像の特定の列を研究する。
このようなシーケンスのマップの理論的性質について検討し、最終的に実践的な関心を持つニューラルネットワークの実装間のマップのケースに焦点を当てる。
論文 参考訳(メタデータ) (2021-12-17T11:43:30Z) - 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) - Learning with symmetric positive definite matrices via generalized
Bures-Wasserstein geometry [40.23168342389821]
GBW幾何と呼ぶビューレス=ワッサーシュタイン幾何の新しい一般化を提案する。
提案した新しい一般化幾何について、様々な微分幾何学的概念を研究するための厳密な処理を提供する。
また,BW幾何に対するGBW幾何の有効性を示す実験を行った。
論文 参考訳(メタデータ) (2021-10-20T10:03:06Z) - On Riemannian Optimization over Positive Definite Matrices with the
Bures-Wasserstein Geometry [45.1944007785671]
本稿では,Bres-Wasserstein (BW) 幾何を一般的な Affine-Invariant (AI) 幾何を用いて解析する。
我々は、AIメトリックの二次的依存とは対照的に、BWメトリックがSPD行列に線形依存しているという観測に基づいて構築する。
BW幾何学は非負の曲率を持ち、非正の曲線を持つAI幾何に対するアルゴリズムの収束率をさらに向上させることを示す。
論文 参考訳(メタデータ) (2021-06-01T07:39:19Z) - Theoretical bounds on data requirements for the ray-based classification [0.0]
特定の幾何学を識別するために、線と呼ばれる一次元表現の集合と形状の境界の交差が使用される新しい分類フレームワークが提案されている。
ここでは, 任意の凸形状に対して, 主角計量で定義される形状分類に必要な線数の境界を定式化する。
この結果は、体積法や表面法よりもかなり少ないデータ要素を用いて、高次元形状を推定するための異なるアプローチを可能にする。
論文 参考訳(メタデータ) (2021-03-17T11:38:45Z)
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。