math.RT」カテゴリーアーカイブ

Connecting Permutation Equivariant Neural Networks and Partition Diagrams

要約 順列等変ニューラル ネットワークは、層空間として $\mathbb{R}^ … 続きを読む

カテゴリー: cs.LG, math.CO, math.RT, stat.ML | Connecting Permutation Equivariant Neural Networks and Partition Diagrams はコメントを受け付けていません

Grokking Group Multiplication with Cosets

要約 ディープ ニューラル ネットワークは複雑で予測不可能な性質があるため、多く … 続きを読む

カテゴリー: cs.AI, cs.LG, math.RT | Grokking Group Multiplication with Cosets はコメントを受け付けていません

Uniform $\mathcal{C}^k$ Approximation of $G$-Invariant and Antisymmetric Functions, Embedding Dimensions, and Polynomial Representations

要約 n$記号上の対称群$mathcal{S}_n$の任意の部分群$G$について … 続きを読む

カテゴリー: 05E10, cs.LG, I.2.0, math.RT | Uniform $\mathcal{C}^k$ Approximation of $G$-Invariant and Antisymmetric Functions, Embedding Dimensions, and Polynomial Representations はコメントを受け付けていません

Grokking Group Multiplication with Cosets

要約 対称群 $S_n$ に対して群フーリエ変換を使用して、$S_5$ と $S … 続きを読む

カテゴリー: cs.AI, cs.LG, math.RT | Grokking Group Multiplication with Cosets はコメントを受け付けていません

Machine learning assisted exploration for affine Deligne-Lusztig varieties

要約 この論文では、機械学習 (ML) 支援フレームワークを利用してアフィン ド … 続きを読む

カテゴリー: 22E35, 22E67, cs.LG, math.AG, math.RT | Machine learning assisted exploration for affine Deligne-Lusztig varieties はコメントを受け付けていません

Seeing is Believing: Brain-Inspired Modular Training for Mechanistic Interpretability

要約 ニューラル ネットワークをよりモジュール化して解釈可能にする方法である B … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.AI, cs.LG, cs.NE, math.RT, q-bio.NC | Seeing is Believing: Brain-Inspired Modular Training for Mechanistic Interpretability はコメントを受け付けていません

Categorification of Group Equivariant Neural Networks

要約 【タイトル】グループ同変ニューラルネットワークのカテゴリー化 【要約】 & … 続きを読む

カテゴリー: cs.LG, math.CO, math.RT, stat.ML | Categorification of Group Equivariant Neural Networks はコメントを受け付けていません

An Algorithm for Computing with Brauer’s Group Equivariant Neural Network Layers

要約 【タイトル】 ブラウアー群の巾等変換ニューラルネットワーク層を用いた計算の … 続きを読む

カテゴリー: cs.LG, math.CO, math.RT, stat.ML | An Algorithm for Computing with Brauer’s Group Equivariant Neural Network Layers はコメントを受け付けていません

Symmetries, flat minima, and the conserved quantities of gradient flow

要約 深いネットワークの損失状況に関する実証的研究により、多くの極小値が低損失の … 続きを読む

カテゴリー: cs.LG, math.RT | Symmetries, flat minima, and the conserved quantities of gradient flow はコメントを受け付けていません

An elementary method to compute equivariant convolutional kernels on homogeneous spaces for geometric deep learning

要約 リー群の同次空間からこの群の加群への同次写像の空間を計算する基本的な方法を … 続きを読む

カテゴリー: 16Z05, 43A85 (Secondary), 53Z50, cs.AI, math.RT | An elementary method to compute equivariant convolutional kernels on homogeneous spaces for geometric deep learning はコメントを受け付けていません