Copertina

Learning to Normalize on the SPD Manifold under Bures-Wasserstein Geometry

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Rui, Jin, Shaocheng, Chen, Ziheng, Luo, Xiaoqing, Wu, Xiao-Jun
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Fréchet Regression on the Bures-Wasserstein Manifold
di: Nguyen, Duc Toan, et al.
Pubblicazione: (2026)

Fast and Stable Riemannian Metrics on SPD Manifolds via Cholesky Product Geometry
di: Chen, Ziheng, et al.
Pubblicazione: (2024)

Adaptive Log-Euclidean Metrics for SPD Matrix Learning
di: Chen, Ziheng, et al.
Pubblicazione: (2023)

Wasserstein F-tests for Fréchet regression on Bures-Wasserstein manifolds
di: Xu, Haoshu, et al.
Pubblicazione: (2024)

Bures-Wasserstein Means of Graphs
di: Haasler, Isabel, et al.
Pubblicazione: (2023)

Bures-Wasserstein Flow Matching for Graph Generation
di: Jiang, Keyue, et al.
Pubblicazione: (2025)

Riemannian Multinomial Logistics Regression for SPD Neural Networks
di: Chen, Ziheng, et al.
Pubblicazione: (2023)

Test of partial effects for Frechet regression on Bures-Wasserstein manifolds
di: Xu, Haoshu, et al.
Pubblicazione: (2025)

Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry
di: Chen, Ziheng, et al.
Pubblicazione: (2024)

Stochastic variance-reduced Gaussian variational inference on the Bures-Wasserstein manifold
di: Luu, Hoang Phuc Hau, et al.
Pubblicazione: (2024)

Sheaf Neural Networks on SPD Manifolds: Second-Order Geometric Representation Learning
di: Peng, Yuhan, et al.
Pubblicazione: (2026)

Riemannian Batch Normalization: A Gyro Approach
di: Chen, Ziheng, et al.
Pubblicazione: (2025)

Bures-Wasserstein Importance-Weighted Evidence Lower Bound: Exposition and Applications
di: Jiang, Peiwen, et al.
Pubblicazione: (2026)

Geometry-Aware Normalizing Wasserstein Flows for Optimal Causal Inference
di: Hou, Kaiwen
Pubblicazione: (2023)

Beyond Rigid Geometries: The Spline-Pullback Metric for Universal Diffeomorphic SPD Representation Learning
di: Das, Tushar, et al.
Pubblicazione: (2026)

Multivariate Time Series Forecasting with Hybrid Euclidean-SPD Manifold Graph Neural Networks
di: Fang, Yong, et al.
Pubblicazione: (2025)

Deep Optimal Transport for Domain Adaptation on SPD Manifolds
di: Ju, Ce, et al.
Pubblicazione: (2022)

RMLR: Extending Multinomial Logistic Regression into General Geometries
di: Chen, Ziheng, et al.
Pubblicazione: (2024)

Stochastic Gradient Variational Inference with Price's Gradient Estimator from Bures-Wasserstein to Parameter Space
di: Kim, Kyurae, et al.
Pubblicazione: (2026)

Manifold Learning with Normalizing Flows: Towards Regularity, Expressivity and Iso-Riemannian Geometry
di: Diepeveen, Willem, et al.
Pubblicazione: (2025)

Wasserstein Nonnegative Tensor Factorization with Manifold Regularization
di: Wang, Jianyu, et al.
Pubblicazione: (2024)

When Scores Learn Geometry: Rate Separations under the Manifold Hypothesis
di: Li, Xiang, et al.
Pubblicazione: (2025)

Regression on the Gaussian Manifold: Bridging Bures-Wasserstein and Fisher-Rao Geometries for Inference on Normal-Valued Stochastic Processes
di: Rocha, Caio A.
Pubblicazione: (2026)

Leveraging SPD Matrices on Riemannian Manifolds in Quantum Classical Hybrid Models for Structural Health Monitoring
di: Alavi, Azadeh, et al.
Pubblicazione: (2024)

Structured Regularization for Constrained Optimization on the SPD Manifold
di: Cheng, Andrew, et al.
Pubblicazione: (2024)

Wasserstein-Aligned Hyperbolic Multi-View Clustering
di: Wang, Rui, et al.
Pubblicazione: (2025)

Wasserstein-regularized Conformal Prediction under General Distribution Shift
di: Xu, Rui, et al.
Pubblicazione: (2025)

Schur's Positive-Definite Network: Deep Learning in the SPD cone with structure
di: Pouliquen, Can, et al.
Pubblicazione: (2024)

Sliced-Wasserstein Distances and Flows on Cartan-Hadamard Manifolds
di: Bonet, Clément, et al.
Pubblicazione: (2024)

Distance-Matrix Wasserstein Statistics for Scalable Gromov--Wasserstein Learning
di: Xu, Ao, et al.
Pubblicazione: (2026)

FedSPD: A Soft-clustering Approach for Personalized Decentralized Federated Learning
di: Lin, I-Cheng, et al.
Pubblicazione: (2024)

Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold
di: Atanackovic, Lazar, et al.
Pubblicazione: (2024)

GeoERM: Geometry-Aware Multi-Task Representation Learning on Riemannian Manifolds
di: Chen, Aoran, et al.
Pubblicazione: (2025)

Intrinsic Wasserstein Rates for Score-Based Generative Models on Smooth Manifolds
di: Fu, Guoji, et al.
Pubblicazione: (2026)

SPD-CFL: Stepwise Parameter Dropout for Efficient Continual Federated Learning
di: Yang, Yuning, et al.
Pubblicazione: (2024)

Structure-Preserving Transformers for Sequences of SPD Matrices
di: Seraphim, Mathieu, et al.
Pubblicazione: (2023)

De-Individualizing fMRI Signals via Mahalanobis Whitening and Bures Geometry
di: Jacobson, Aaron, et al.
Pubblicazione: (2025)

SMLNet: A SPD Manifold Learning Network for Infrared and Visible Image Fusion
di: Kang, Huan, et al.
Pubblicazione: (2024)

SPD Learn: A Geometric Deep Learning Python Library for Neural Decoding Through Trivialization
di: Aristimunha, Bruno, et al.
Pubblicazione: (2026)

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