Jaringan Panas Vektor Intrinsik
Author
Venue
Konferensi Internasional tentang Pembelajaran Mesin 2024
Abstract
Bidang vektor banyak digunakan untuk merepresentasikan dan memodelkan aliran dalam berbagai aplikasi sains dan teknik. Makalah ini memperkenalkan arsitektur jaringan saraf tiruan baru untuk mempelajari bidang vektor tangen yang secara intrinsik didefinisikan pada permukaan manifold yang tertanam dalam ruang 3D. Pendekatan sebelumnya dalam mempelajari bidang vektor pada permukaan memperlakukan vektor sebagai bidang skalar multidimensi, menggunakan arsitektur bernilai skalar tradisional untuk memproses saluran secara individual, sehingga gagal mempertahankan sifat intrinsik fundamental dari bidang vektor tersebut. Ide inti dari pekerjaan ini adalah memperkenalkan modul difusi panas vektor yang dapat dilatih untuk menyebarkan data fitur bernilai vektor secara spasial melintasi permukaan, yang kami integrasikan ke dalam arsitektur yang diusulkan yang terdiri dari neuron bernilai vektor. Arsitektur kami invarian terhadap pergerakan kaku input, deformasi isometrik, dan pilihan basis tangensial lokal, serta tahan terhadap diskretisasi permukaan. Kami mengevaluasi Jaringan Panas Vektor kami pada mesh segitiga, dan memvalidasi sifat-sifat invariannya secara empiris. Kami juga mendemonstrasikan keefektifan metode kami pada aplikasi industri yang berguna, yaitu pembangkitan mesh segiempat.
