論文の概要: Riemannian Networks over Full-Rank Correlation Matrices

• arxiv url: http://arxiv.org/abs/2605.19073v1
• Date: Mon, 18 May 2026 19:54:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.968019
• Title: Riemannian Networks over Full-Rank Correlation Matrices
• Title（参考訳）: フルランク相関行列上のリーマンネットワーク
• Authors: Ziheng Chen, Xiaojun Wu, Bernhard Schölkopf, Nicu Sebe,
• Abstract要約: フルランク相関行列は対称正定値多様体(SPD)の正規化された代替である。 我々はこれらのジオメトリに、MLR(Multinomial Logistic Regression)、FC(Fully Connected)、畳み込み層を含む基本層を拡張した。 また、2つの相関ジオメトリの正確なバックプロパゲーション法を提案する。
• 参考スコア（独自算出の注目度）: 102.84784139051526
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Representations on the Symmetric Positive Definite (SPD) manifold have garnered significant attention across different applications. In contrast, the manifold of full-rank correlation matrices, a normalized alternative to SPD matrices, remains largely underexplored. This paper introduces Riemannian networks over the correlation manifold, leveraging five recently developed correlation geometries. We systematically extend basic layers, including Multinomial Logistic Regression (MLR), Fully Connected (FC), and convolutional layers, to these geometries. Besides, we present methods for accurate backpropagation for two correlation geometries. Experiments comparing our approach against existing SPD and Grassmannian networks demonstrate its effectiveness.
• Abstract（参考訳）: 対称正定値多様体(SPD)の表現は、様々な応用において大きな注目を集めている。 対照的に、SPD行列の正規化された代替であるフルランク相関行列の多様体は、ほとんど探索されていない。 本稿では、最近開発された5つの相関測地を利用して、相関多様体上のリーマンネットワークを紹介する。 我々は,Multinomial Logistic Regression (MLR), Fully Connected (FC), Convolutional Layerなどの基本レイヤをこれらのジオメトリに体系的に拡張する。 さらに,2つの相関ジオメトリの正確なバックプロパゲーション法を提案する。 既存のSPDおよびグラスマンネットワークに対するアプローチの比較実験により,その効果が示された。

関連論文リスト

• RMLR: Extending Multinomial Logistic Regression into General Geometries [64.16104856124029]
  我々のフレームワークは、最小限の幾何学的性質しか必要とせず、広い適用性を示す。 SPD MLRの5つのファミリーを5種類のパワー変形測定値に基づいて開発する。 回転行列上では、人気のある双不変計量に基づいてリー MLR を提案する。
  論文  参考訳（メタデータ） (2024-09-28T18:38:21Z)
• Riemannian Self-Attention Mechanism for SPD Networks [34.794770395408335]
  本稿では,SPD多様体自己アテンション機構(SMSA)を提案する。 構造化表現の識別を改善するためにSMSAベースの幾何学習モジュール(SMSA-GL)を設計する。
  論文  参考訳（メタデータ） (2023-11-28T12:34:46Z)
• Riemannian Multinomial Logistics Regression for SPD Neural Networks [60.11063972538648]
  本稿では,Symmetric Positive Definite (SPD) 行列のための新しいタイプのディープニューラルネットワークを提案する。 我々のフレームワークは、既存のSPDネットワークで最も人気のあるLogEig分類器について、斬新な説明を提供する。 本手法の有効性は,レーダ認識,人行動認識,脳波分類(EEG)の3つの応用で実証された。
  論文  参考訳（メタデータ） (2023-05-18T20:12:22Z)
• Adaptive Log-Euclidean Metrics for SPD Matrix Learning [73.12655932115881]
  広く使われているログユークリッド計量(LEM)を拡張した適応ログユークリッド計量(ALEM)を提案する。 実験および理論的結果から,SPDニューラルネットワークの性能向上における提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-03-26T18:31:52Z)

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。