Buchumschlag

Fiber Bundle Networks: A Geometric Machine Learning Paradigm

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Liu, Dong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Differential Geometry
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

GeoHNNs: Geometric Hamiltonian Neural Networks
von: Aboussalah, Amine Mohamed, et al.
Veröffentlicht: (2025)

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

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

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

Geometric Contact Flows: Contactomorphisms for Dynamics and Control
von: Testa, Andrea, et al.
Veröffentlicht: (2025)

Conformal Transformation of Kernels: A Geometric Perspective on Text Classification
von: Rădulescu, Ioana, et al.
Veröffentlicht: (2024)

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

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

Deep Learning as Ricci Flow
von: Baptista, Anthony, et al.
Veröffentlicht: (2024)

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

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

TopoGeoScore: A Self-Supervised Source-Only Geometric Framework for OOD Checkpoint Selection
von: Hazratian, Farid, et al.
Veröffentlicht: (2026)

On Higher-Order Geometric Refinements of Classical Covariance Asymptotics: An Approach via Intrinsic and Extrinsic Information Geometry
von: Amir, Malik, et al.
Veröffentlicht: (2026)

The Geometric Wall: Manifold Structure Predicts Layerwise Sparse Autoencoder Scaling Laws
von: Zaher, Eslam, et al.
Veröffentlicht: (2026)

Man, Machine, and Mathematics
von: Dogra, Akshunna S.
Veröffentlicht: (2026)

Geometric Gaussian Approximations of Probability Distributions
von: Da Costa, Nathaël, et al.
Veröffentlicht: (2025)

Machine Learned Calabi-Yau Metrics and Curvature
von: Berglund, Per, et al.
Veröffentlicht: (2022)

Riemannian Variational Flow Matching for Material and Protein Design
von: Zaghen, Olga, et al.
Veröffentlicht: (2025)

Geometric statistics with subspace structure preservation for SPD matrices
von: Mostajeran, Cyrus, et al.
Veröffentlicht: (2024)

Cross-Layer Subspace Coupling for LLM Compression: A Unifying Framework and Its Empirical Limits
von: Khilar, Snigdha Chandan
Veröffentlicht: (2026)

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

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

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

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

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

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

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

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

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

Simultaneous Optimization of Geodesics and Fréchet Means
von: Rygaard, Frederik Möbius, et al.
Veröffentlicht: (2025)

Staying on the Manifold: Geometry-Aware Noise Injection
von: Jacobsen, Albert Kjøller, et al.
Veröffentlicht: (2025)

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

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

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

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