研究者提出基于Hilbert丛的卷积学习框架HilbNets
热点事件持续更新
研究者提出基于Hilbert丛的卷积学习框架HilbNets
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Kartik Tandon等作者提出卷积学习框架HilbNets，用于处理流形上可能无限维的信号，如时间序列、概率分布和算子。 该工作证明，采样流形会诱导出Hilbert胞腔层，其层Laplacian随采样密度增加依概率收敛到联络Laplacian；作者称这把Belkin与Niyogi的图Laplacian收敛结果推广到了无限维丛设定。
AI 根据报道生成 · 50 分钟前更新
最新进展11月5日 13:00
HilbNets：用 Hilbert 丛与胞腔层实现一致的几何深度学习报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIHilbNets：用 Hilbert 丛与胞腔层实现一致的几何深度学习
研究者提出基于 Hilbert 丛联络 Laplacian 的卷积学习框架 HilbNets，可处理流形上可能无限维的信号（如时间序列、概率分布、算子）。该工作证明采样流形会诱导 Hilbert 胞腔层，其层 Laplacian 随采样密度增加依概率收敛到联络 Laplacian，并将 Belkin & Niyogi 的图 Laplacian 收敛结果推广到无限维丛设定。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。