جدول پیوندها
چکیده و 1 مقدمه
2 مقدماتی
3. تجدید نظر در عادی سازی
3.1 تجدید نظر در عادی سازی اقلیدسی
3.2 تجدید نظر در مورد RBN موجود
4 عادی سازی ریمان در گروههای دروغ
5 Liebn در گروه های دروغ از منیفولدهای SPD و 5.1 گروه دروغ تغییر شکل از منیفولدهای SPD
5.2 Liebn در منیفولدهای SPD
6 آزمایش
6.1 نتایج تجربی
7 نتیجه گیری ، تصدیق و منابع
مطالب پیوست
نمادها
b پایه های اساسی در spdnet و tsmnet
C نتایج آماری مقیاس گذاری در Liebn
D Liebn به عنوان یک تعمیم طبیعی BN اقلیدسی
E Liebn خاص دامنه E برای طبقه بندی EEG
f پس از عملکرد توابع ماتریس
g جزئیات بیشتر و آزمایش های Liebn در منیفولدهای SPD
H آزمایش های اولیه در مورد ماتریس های چرخش
من اثبات Lemmas و نظریه ها در مقاله اصلی
7 نتیجه گیری
در این مقاله یک چارچوب جدید به نام Liebn ارائه شده است که امکان عادی سازی دسته ای را در گروه های دروغ فراهم می کند. Liebn ما می تواند به طور موثری هم نمونه و هم آمار جمعیت را عادی کند. علاوه بر این ، ما گروه های دروغ موجود را بر روی منیفولد های SPD تعمیم می دهیم و چارچوب خود را در گروه های دروغ پارامتر شده از منیفولد های SPD به نمایش می گذاریم. آزمایش های گسترده مزیت Liebn ما را نشان می دهد.
چندین نوع دیگر از گروه های دروغ در یادگیری ماشین وجود دارد ، مانند ویژه …