地质统计学

geomstats:机器学习中黎曼几何的Python包。我们介绍geomstats,这是一个python包,它在流形上执行计算,如超球面、双曲空间、对称正定矩阵空间和变换的李群。我们提供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。相应的测地距离为机器学习损失函数提供了一系列直观的选择。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。本文还回顾了机器学习中的流形,概述了geomstats包,并举例说明了它在高效和用户友好的黎曼几何中的应用。


zbMATH中的参考文献(参考文献9条,1标准件)

显示第1到第9个结果,共9个。
按年份排序(引用)

  1. 伊万杰丽斯塔·阿尔瓦拉多,米格尔;鲁伊斯-潘塔莱翁,何塞·克里斯汀;苏亚雷斯·塞拉托,帕布罗:泊松几何中的符号和数值计算示例(2021)
  2. 尼可拉斯,桂贵;梅格纳特,伊洛迪;特鲁维,阿兰;Pennec,Xavier:Kendall形状空间上的平行传输(2021)
  3. 尼可拉斯,桂贵;Pennec,Xavier:具有左不变度量的李群上的约化平行传输方程(2021)
  4. 佩西,亚瑟;García-Portugués,Eduardo:方向统计的最新进展(2021)
  5. 赛斯·D·阿克森,马特乌斯·巴兰,罗尼·伯格曼,克鲁兹托夫·雷泽基:歧管。jl:流形数据分析的可扩展Julia框架(2021)阿尔十四
  6. 阿布西尔,皮埃尔·安托万(编辑);赫尔佐格,罗兰(编辑);Steidl,Gabriele(编辑):小型研讨会:流形上的计算优化。2020年11月15日至21日举行的小型研讨会摘要(在线会议)(2020年)
  7. 米奥兰,尼娜;尼可拉斯,桂贵;爱丽丝,勒布里甘特;马瑟,约翰;侯,本杰明;塔维达斯,雅恩;海德,斯蒂芬;佩尔特,奥利维尔;科普,尼格拉斯;扎提提,哈迪;哈伊里,哈坦;卡巴内斯,扬;杰拉尔德,托马斯;查查特,保罗;谢尔马克,基督徒;布鲁克斯,丹尼尔;凯恩斯,伯恩哈德;唐纳特,克莱尔;福尔摩斯,苏珊;Pennec,Xavier:Geomstats:机器学习中黎曼几何的Python包(2020)
  8. 奎奈,线;索默,斯特凡;Arnaudon,Alexis:微分几何与随机动力学与深度学习数值(2019)
  9. Nina Miolane,Johan Mathe,Claire Donnat,Mikael Jorda,Xavier Pennec:geomstats:机器学习中黎曼几何的Python包(2018)阿尔十四