Copertina

Principal Component Analysis in Space Forms

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tabaghi, Puoya, Khanzadeh, Michael, Wang, Yusu, Mirarab, Sivash
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning Signal Processing Differential Geometry
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Learning Ultrametric Trees for Optimal Transport Regression
di: Chen, Samantha, et al.
Pubblicazione: (2022)

Enhancing Computational Efficiency of Motor Imagery BCI Classification with Block-Toeplitz Augmented Covariance Matrices and Siegel Metric
di: Carrara, Igor, et al.
Pubblicazione: (2024)

Instantaneous Frequency Estimation in Unbalanced Systems Using Affine Differential Geometry
di: Alshawabkeh, Ali, et al.
Pubblicazione: (2023)

Using Differential Geometry to Revisit the Paradoxes of the Instantaneous Frequency
di: Milano, Federico, et al.
Pubblicazione: (2022)

Infinity Search: Approximate Vector Search with Projections on q-Metric Spaces
di: Pariente, Antonio, et al.
Pubblicazione: (2025)

Cartan meets Cramér-Rao
di: Krishnan, Sunder Ram
Pubblicazione: (2025)

Steerable Neural ODEs on Homogeneous Spaces
di: Andersdotter, Emma, et al.
Pubblicazione: (2026)

Distance Measure Based on an Embedding of the Manifold of K-Component Gaussian Mixture Models into the Manifold of Symmetric Positive Definite Matrices
di: Vishwakarma, Amit, et al.
Pubblicazione: (2025)

Roto-Translation Invariant Metrics on Position-Orientation Space
di: Bellaard, Gijs, et al.
Pubblicazione: (2025)

Discretized Gradient Flow for Manifold Learning in the Space of Embeddings
di: Gold, Dara, et al.
Pubblicazione: (2019)

Robust Tangent Space Estimation via Laplacian Eigenvector Gradient Orthogonalization
di: Kohli, Dhruv, et al.
Pubblicazione: (2025)

Thinner Latent Spaces: Detecting Dimension and Imposing Invariance with Conformal Autoencoders
di: Kevrekidis, George A., et al.
Pubblicazione: (2024)

Self-Adaptive Quantum Kernel Principal Components Analysis for Compact Readout of Chemiresistive Sensor Arrays
di: Wang, Zeheng, et al.
Pubblicazione: (2024)

Jet Functors and Weil Algebras in Automatic Differentiation: A Geometric Analysis
di: Sangha, Amandip
Pubblicazione: (2025)

Deep Generative Models: Complexity, Dimensionality, and Approximation
di: Wang, Kevin, et al.
Pubblicazione: (2025)

Topology-driven identification of repetitions in multi-variate time series
di: Schindler, Simon, et al.
Pubblicazione: (2025)

Geometric and Spectral Alignment for Deep Neural Network I
di: Liu, Ziran, et al.
Pubblicazione: (2026)

Geometric and Spectral Alignment for Deep Neural Network II
di: Liu, Ziran, et al.
Pubblicazione: (2026)

Revealing Decurve Flows for Generalized Graph Propagation
di: Lin, Chen, et al.
Pubblicazione: (2024)

Hardness of Learning Neural Networks under the Manifold Hypothesis
di: Kiani, Bobak T., et al.
Pubblicazione: (2024)

Half-AVAE: Adversarial-Enhanced Factorized and Structured Encoder-Free VAE for Underdetermined Independent Component Analysis
di: Wei, Yuan-Hao, et al.
Pubblicazione: (2025)

Geometric Learning with Positively Decomposable Kernels
di: Da Costa, Nathael, et al.
Pubblicazione: (2023)

Barycentric subspace analysis of network-valued data
di: Maignant, Elodie, et al.
Pubblicazione: (2025)

Learning Beyond Euclid: Curvature-Adaptive Generalization for Neural Networks on Manifolds
di: Sarkar, Krisanu
Pubblicazione: (2025)

Cartan moving frames and the data manifolds
di: Tron, Eliot, et al.
Pubblicazione: (2024)

Universal Collection of Euclidean Invariants between Pairs of Position-Orientations
di: Bellaard, Gijs, et al.
Pubblicazione: (2025)

Flow Matching on Lie Groups
di: Sherry, Finn M., et al.
Pubblicazione: (2025)

Kernel-Gradient Drifting Models
di: Esteban-Casadevall, Maria, et al.
Pubblicazione: (2026)

Minimising Willmore Energy via Neural Flow
di: Hirst, Edward, et al.
Pubblicazione: (2026)

Interpretable Analytic Calabi-Yau Metrics via Symbolic Distillation
di: Eng, D Yang
Pubblicazione: (2026)

Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
di: Sun, Xingzhi, et al.
Pubblicazione: (2024)

Riemannian Integrated Gradients: A Geometric View of Explainable AI
di: Costanza, Federico, et al.
Pubblicazione: (2025)

Complex normalizing flows can almost be information Kähler-Ricci flows
di: Gracyk, Andrew
Pubblicazione: (2026)

A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes
di: Benfenati, Alessandro, et al.
Pubblicazione: (2024)

Persistent de Rham-Hodge Laplacians in Eulerian representation for manifold topological learning
di: Su, Zhe, et al.
Pubblicazione: (2024)

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows
di: Diepeveen, Willem, et al.
Pubblicazione: (2024)

Fiber Bundle Networks: A Geometric Machine Learning Paradigm
di: Liu, Dong
Pubblicazione: (2025)

Universal kernels via harmonic analysis on Riemannian symmetric spaces
di: Steinert, Franziskus, et al.
Pubblicazione: (2025)

Logifold: A Geometrical Foundation of Ensemble Machine Learning
di: Jung, Inkee, et al.
Pubblicazione: (2024)

Tangentially Aligned Integrated Gradients for User-Friendly Explanations
di: Simpson, Lachlan, et al.
Pubblicazione: (2025)