Fugu-MT 論文翻訳(概要): Challenges in Plane Symmetry: From Theory to Perception

論文の概要: Challenges in Plane Symmetry: From Theory to Perception

arxiv url: http://arxiv.org/abs/2503.12028v1
Date: Sat, 15 Mar 2025 07:30:28 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-18 12:31:35.487020
Title: Challenges in Plane Symmetry: From Theory to Perception
Title（参考訳）: 平面対称性の課題:理論から知覚へ
Authors: F. Çengel, V. Adanova, S. Tari,
Abstract要約: 平面装飾は 4つの原始的な幾何学的操作の組み合わせで基地ユニットを繰り返すことで作られます群論によれば、これらの4つの幾何学的操作の異なる組み合わせは異なる対称性群をもたらす。本稿では, 観念実験の結果から, 観念した参加者の認識する対称性が, 理論の定式化と一致しないことが明らかとなった。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The planar ornaments are created by repeating a base unit using a combination of four primitive geometric operations: translation, rotation, reflection, and glide reflection. According to group theory, different combinations of these four geometric operations lead to different symmetry groups. In this work, we select a single challenging ornament, and analyze it both from the theoretical point of view and perceptual point of view. We present the perceptual experiment results, where one can see that the symmetries that the participants perceived from the ornaments do not match to what the theory dictates.
Abstract（参考訳）: 平面装飾は、翻訳、回転、反射、滑空反射という4つの原始的な幾何学的操作の組み合わせを用いて、ベースユニットを繰り返すことで作成される。群論によれば、これらの4つの幾何学的操作の異なる組み合わせは異なる対称性群をもたらす。本研究では,一つの難解な装飾を選定し,理論的視点と知覚的視点の両方から分析する。本稿では, 観念実験の結果から, 観念した参加者の認識する対称性が, 理論の定式化と一致しないことが明らかとなった。

関連論文リスト

Encoded quantum gates by geometric rotation on tessellations [1.3990365423919542]
これらの符号は, 幾何的考察による解析により, 適切な誤り訂正特性を示すことを示す。我々は、異なるテッセルレーションに関連付けられたそのような符号の様々な具体的な構成を提供し、異なる論理群を生み出します。
論文参考訳（メタデータ） (2024-10-24T13:17:56Z)
Symmetry Induces Structure and Constraint of Learning [0.0]
機械学習モデルの学習行動に影響を及ぼすか、決定しないかにかかわらず、損失関数対称性の重要性を明らかにする。ディープラーニングにおけるミラー対称性の一般的な例としては、再スケーリング、回転、置換対称性がある。ニューラルネットワークにおける可塑性の喪失や様々な崩壊現象などの興味深い現象を理論的枠組みで説明できることを示す。
論文参考訳（メタデータ） (2023-09-29T02:21:31Z)
Symmetry Preservation in Hamiltonian Systems: Simulation and Learning [0.9208007322096532]
この研究は、ハミルトン系の力学をシミュレートし、学習するための一般的な幾何学的枠組みを示す。我々は、$G$-不変ラグランジアン部分多様体の構築を通して興味ある写像をシミュレートし、学習することを提案する。我々の設計は、シンプレクティック幾何学と幾何学力学において重要な技術と概念を活用する。
論文参考訳（メタデータ） (2023-08-30T21:34:33Z)
A Study of Neural Collapse Phenomenon: Grassmannian Frame, Symmetry and Generalization [91.95109845914267]
一般化ニューラル崩壊仮説の証明により,元のニューラル崩壊現象を拡張した。分類の最適化と一般化からグラスマンフレーム構造を得る。置換の対称性一般化を説明する定理を提供する。
論文参考訳（メタデータ） (2023-04-18T11:35:14Z)
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)
Penrose dodecahedron, Witting configuration and quantum entanglement [55.2480439325792]
ドデカヘドロンの幾何学に基づく2つの絡み合ったスピン-3/2粒子を持つモデルがロジャー・ペンローズによって提案された。このモデルは後に4Dヒルベルト空間に40光線を持ついわゆるウィッティング構成を用いて再設計された。ウィッティング構成によって記述された量子状態を持つ2つの絡み合った系について,本論文で論じる。
論文参考訳（メタデータ） (2022-08-29T14:46:44Z)
Equivariant Representation Learning via Class-Pose Decomposition [17.032782230538388]
データの対称性に同値な表現を学習するための一般的な方法を提案する。コンポーネントは、それぞれ固有のデータクラスとポーズに意味的に対応します。その結果,表現はデータの幾何を捉え,他の同変表現学習フレームワークよりも優れていることがわかった。
論文参考訳（メタデータ） (2022-07-07T06:55:52Z)
On the Importance of Asymmetry for Siamese Representation Learning [53.86929387179092]
シームズネットワークは、2つの並列エンコーダと概念的に対称である。ネットワーク内の2つのエンコーダを明確に区別することで,非対称性の重要性について検討する。非対称設計による改善は、より長いトレーニングスケジュール、複数の他のフレームワーク、より新しいバックボーンに一般化されている。
論文参考訳（メタデータ） (2022-04-01T17:57:24Z)
Reflection and Rotation Symmetry Detection via Equivariant Learning [40.61825212385055]
我々は、EquiSymと呼ばれる対称性検出のためのグループ同変畳み込みネットワークを導入する。 DENse と Diverse symmetric (DENDI) という新しいデータセットを提案し、既存の反射・回転対称性検出のためのベンチマークの制限を緩和する。実験により,LDRSおよびDENDIデータセットの対称性検出において,本手法が芸術の状態を達成できることが確認された。
論文参考訳（メタデータ） (2022-03-31T04:18:33Z)
Generalized string-nets for unitary fusion categories without tetrahedral symmetry [77.34726150561087]
任意の多重度自由なユニタリ融合圏に対するLevin-Wenモデルの構築について述べる。我々はハミルトニアンの行列要素を明示的に計算し、さらに元の要素と同じ性質を持つことを示す。
論文参考訳（メタデータ） (2020-04-15T12:21:28Z)
Understanding Graph Neural Networks with Generalized Geometric Scattering Transforms [67.88675386638043]
散乱変換は、畳み込みニューラルネットワークのモデルとして機能する多層ウェーブレットベースのディープラーニングアーキテクチャである。非対称ウェーブレットの非常に一般的なクラスに基づくグラフに対して、窓付きおよび非窓付き幾何散乱変換を導入する。これらの非対称グラフ散乱変換は、対称グラフ散乱変換と多くの理論的保証を持つことを示す。
論文参考訳（メタデータ） (2019-11-14T17:23:06Z)

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。