智迹闻AuraTracer
EN

EVENT DOSSIER

多项式群卷积神经网络的几何特性

2026-09-07 12:00 科学 🔥 40.2 事件热度
1家信源
1天持续发酵
40.2事件热度
0个提及
摘要由 AI 生成

2026 年 9 月 7 日,arXiv 发布题为《The Geometry of Polynomial Group Convolutional Neural Networks》的研究论文。该研究聚焦于多项式群卷积神经网络(Polynomial Group CNNs)的几何结构特性,旨在深入分析此类网络在群作用下的变换不变性、特征提取机制及其拓扑性质。文章通过数学推导与理论建模,探讨了多项式基函数在群卷积操作中的分布规律,揭示了网络架构与输入数据几何形态之间的内在联系。

相关事件RELATED EVENTS

全部报道(1)SOURCES

A arXiv cs.LG en 2026-09-07 12:00

The Geometry of Polynomial Group Convolutional Neural Networks

研究人员针对任意有限群 G,引入基于分级群代数的新数学框架以研究多项式群卷积神经网络(PGCNNs)。该框架通过哈达玛和克罗内克积提供了两种自然架构参数化,二者由线性映射关联。研究计算了相关神经流形的维度,验证其仅取决于层数和群的大小;并描述了克罗内克参数化的通用纤维(在正则群作用及缩放下),同时提出对哈达玛参数化的类似描述猜想,该猜想已得到小群和浅层网络的显式计算支持。