Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2409.12057

帮助 | 高级搜索

统计学 > 机器学习

arXiv:2409.12057 (stat)
[提交于 2024年9月18日 (v1) ,最后修订 2024年11月6日 (此版本, v2)]

标题: 嘉当活动框架与数据流形

标题: Cartan moving frames and the data manifolds

Authors:Eliot Tron, Rita Fioresi, Nicolas Couellan, Stéphane Puechmorel
摘要: 本文的目的是利用嘉当活动标架的语言,通过数据信息度量及其在数据点处的曲率来研究数据流形及其黎曼结构的几何性质。利用这一框架并通过实验,通过对从给定输入容易到达的输出类别加以指明,给出了神经网络响应的解释。这强调了如何将网络输出与输入几何之间的所提出的数学关系作为可解释的人工智能工具加以利用。
摘要: The purpose of this paper is to employ the language of Cartan moving frames to study the geometry of the data manifolds and its Riemannian structure, via the data information metric and its curvature at data points. Using this framework and through experiments, explanations on the response of a neural network are given by pointing out the output classes that are easily reachable from a given input. This emphasizes how the proposed mathematical relationship between the output of the network and the geometry of its inputs can be exploited as an explainable artificial intelligence tool.
主题: 机器学习 (stat.ML) ; 机器学习 (cs.LG); 微分几何 (math.DG)
引用方式: arXiv:2409.12057 [stat.ML]
  (或者 arXiv:2409.12057v2 [stat.ML] 对于此版本)
  https://doi.org/10.48550/arXiv.2409.12057
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1007/s41884-024-00159-8
链接到相关资源的 DOI

提交历史

来自: Eliot Tron [查看电子邮件]
[v1] 星期三, 2024 年 9 月 18 日 15:31:29 UTC (134 KB)
[v2] 星期三, 2024 年 11 月 6 日 17:13:51 UTC (213 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-09
切换浏览方式为:
cs
cs.LG
math
math.DG
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号