Copertina

Steerable Neural ODEs on Homogeneous Spaces

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Andersdotter, Emma, Persson, Daniel, Ohlsson, Fredrik
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Differential Geometry
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Equivariant Manifold Neural ODEs and Differential Invariants
di: Andersdotter, Emma, et al.
Pubblicazione: (2024)

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)

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

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)

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

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

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)

On the correspondence between symmetries of two-dimensional autonomous dynamical systems and their phase plane realisations
di: Ohlsson, Fredrik, et al.
Pubblicazione: (2022)

Principal Component Analysis in Space Forms
di: Tabaghi, Puoya, et al.
Pubblicazione: (2023)

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

Neural Feature Geometry Evolves as Discrete Ricci Flow
di: Hehl, Moritz, et al.
Pubblicazione: (2025)

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

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

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

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

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

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

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

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

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

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)

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)

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

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

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

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

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

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

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