从数据中学习连续对称性的无穷小生成器

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

对称检测可以提升机器学习性能。我们提出了一种新框架,超越了仿射变换检测。实验结果表明,该方法在大样本和小样本下均优于LieGAN,并能有效检测连续对称性。

🎯

关键要点

  • 对称检测可以提高机器学习性能。
  • 现有实验主要局限于仿射变换的检测。
  • 提出了一个新框架用于发现超越仿射变换群的数据连续对称性。
  • 提供了一个类似的离散对称性的框架。
  • 实验结果显示该方法在大样本量下有效检测仿射对称性。
  • 在小样本量下,该方法优于LieGAN。
  • 该方法能够检测超越仿射群的连续对称性,且通常比LieGAN更高效。
➡️

继续阅读