×

地理统计局

swMATH ID: 24373
软件作者: Nina Miolane、Johan Mathe、Claire Donnat、Mikael Jorda、Xavier Pennec
描述: geomstats:机器学习中黎曼几何的Python包。我们介绍了geomstats,这是一个python包,用于计算超球面、双曲空间、对称正定矩阵空间和李变换群等流形。我们提供了这些流形的有效和广泛的单元测试实现,以及有用的黎曼度量和相关的指数和对数映射。相应的测地线距离提供了一系列机器学习损失函数的直观选择。我们还给出了相应的黎曼梯度。geomstats中实现的操作可用于不同的计算后端,如numpy、tensorflow和keras。我们已经启用了GPU实现,并将geomstats流形计算集成到keras深度学习框架中。本文还介绍了机器学习中的流形以及geomstat包的概述,并通过示例演示了它在高效且用户友好的黎曼几何中的应用。
主页: https://arxiv.org/abs/1805.08308
源代码:  https://github.com/geomstats/geomstats网址
依赖项: 蟒蛇
关键词: 学习;arXiv_cs。液化天然气;数学软件;arXiv_cs。微软;机器学习;arXiv_状态ML;蟒蛇;黎曼几何
相关软件: 皮曼诺普;github;TensorFlow公司;蟒蛇;PyGeometry(虚拟几何体);Geoopt公司;McTorch公司;四元数;PyQuaternions公司;PyTorch公司;StiefelLog(设置日志);马诺普特;科学Py;朱莉娅;皮里曼;西雅娜;cCorrGAN公司;MVIRT公司;Manopt.jl公司;ROPTLIB公司
引用于: 14文件

标准条款

1出版物描述软件 年份
geomstats:机器学习中黎曼几何的Python包arXiv公司
Nina Miolane、Johan Mathe、Claire Donnat、Mikael Jorda、Xavier Pennec
2018

按年份列出的引文