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
چکیده
اندازه گیری های با ارزش چند برابر در برنامه های متعددی در دید رایانه و یادگیری ماشین وجود دارد. مطالعات اخیر شبکه های عصبی عمیق (DNN) را به مانیفولدها گسترش داده است ، و به طور همزمان ، تکنیک های عادی سازی نیز با چندین مانیفولد سازگار شده اند ، که از آن به عنوان عادی سازی ریمانی گفته می شود. با این وجود ، بسیاری از روشهای عادی سازی ریمانی موجود به صورت موقت به دست آمده است و فقط در مورد منیفولدهای خاص کاربرد دارد. این مقاله تعیین می کند …