एक अंतर्निहित वेक्टर हीट नेटवर्क
Author
Venue
मशीन लर्निंग पर अंतर्राष्ट्रीय सम्मेलन 2024
Abstract
कई विज्ञान और इंजीनियरिंग अनुप्रयोगों के लिए प्रवाहों का प्रतिनिधित्व और मॉडलिंग करने के लिए वेक्टर फ़ील्ड्स का व्यापक रूप से उपयोग किया जाता है। यह पेपर टैंजेंट वेक्टर फ़ील्ड्स को सीखने के लिए एक नवीन न्यूरल नेटवर्क आर्किटेक्चर पेश करता है जो 3D में एम्बेड किए गए मैनिफोल्ड सतहों पर अंतर्निहित रूप से परिभाषित होते हैं। सतहों पर वेक्टर फ़ील्ड्स को सीखने के पिछले दृष्टिकोण वेक्टर्स को बहु-आयामी स्केलर फ़ील्ड्स के रूप में मानते हैं, और चैनलों को व्यक्तिगत रूप से संसाधित करने के लिए पारंपरिक स्केलर-मूल्य वाले आर्किटेक्चर का उपयोग करते हैं, इस प्रकार वेक्टर फ़ील्ड के मौलिक अंतर्निहित गुणों को संरक्षित करने में विफल रहते हैं। इस कार्य का मुख्य विचार सतह पर वेक्टर-मूल्य वाले फ़ीचर डेटा को स्थानिक रूप से प्रसारित करने के लिए एक प्रशिक्षित करने योग्य वेक्टर हीट डिफ्यूज़न मॉड्यूल पेश करना है, जिसे हम अपने प्रस्तावित आर्किटेक्चर में शामिल करते हैं जो वेक्टर-मूल्य वाले न्यूरॉन्स से बना है। हमारा आर्किटेक्चर इनपुट की कठोर गति, सममित विकृति, और स्थानीय स्पर्श आधारों के चुनाव के प्रति अपरिवर्तित है, और सतह के विखंडन के प्रति मज़बूत है। हम अपने वेक्टर हीट नेटवर्क का मूल्यांकन त्रिभुजाकार मेषों पर करते हैं, और इसके अपरिवर्तनीय गुणों को अनुभवजन्य रूप से मान्य करते हैं। हम अपने तरीके की प्रभावशीलता को चतुर्भुजाकार मेष निर्माण के उपयोगी औद्योगिक अनुप्रयोग पर भी प्रदर्शित करते हैं।
