等变流形神经 ODE 和微分不变量

原文约200字，阅读约需1分钟。发表于：。

本文提出了一种几何学框架，用于分析基于 Lie 群的多样性流形神经常微分方程（NODEs）对对称数据的建模能力，并提出了用于对称性概率场中的通用型等效 NODEs.。

基于黎曼流形的图神经网络模型中，提出了扩散层和切线多层感知机层，两者在节点排列和特征流形的等变性方面表现出非常好的性能。在合成数据和海马右侧三角网格对阿尔茨海默病分类的实例中，模型取得了非常好的性能。