在主值几何格拉斯曼子流形上的多项式混沌展开用于代理建模与不确定性量化
内容提要
该文综述黎曼流形与测地线在机器学习中的应用，涵盖基于多项式混沌扩展Kriging的贝叶斯参数推断、量子动力学模拟、MCMC采样、主切子空间流形学习、重心子空间PCA推广、鲁棒子空间恢复、深度生成模型几何分析、Grassmann流形算法及对称性解缠等研究。
延伸解读
代理建模中的局部自适应策略
文章提出基于多项式混沌扩展Kriging的领域划分代理建模技术，用于高度非线性工程模型的贝叶斯参数推断。该方法采用局部自适应方式，能以最小计算代价重复非平滑响应，并结合马尔科夫链蒙特卡洛进行参数推断。这为处理复杂工程模型提供了一种高效的不确定性量化途径。
流形学习与几何重构的进展
文章综述了利用黎曼几何进行流形学习和表面重构的方法，通过局部线性逼近组合成低维束，构建主切子空间并定义黎曼度量。该框架在切空间精确估计时能保证重构与真实子流形相等，并在噪声数据下表现出稳健性，还可推广到先验已知黎曼几何的观测。
Grassmann流形上的算法与理论
文章介绍了Grassmann流形的基本事实和公式，从正交投影器和商空间两种视角揭示其几何性质，并提出改进算法计算黎曼对数映射、测地线平行输运方程及指标导数。这些工作为子空间表示和优化提供了数学工具，并应用于鲁棒子空间恢复等问题。
深度生成模型的几何分析
文章研究了深度生成模型所学流形的黎曼几何，提出计算测地线和平行传递切向量的算法，发现这些流形近似于零曲率，并探讨了实际影响。这有助于理解生成模型的表示空间，并为基于几何的改进提供依据。
Q&A
多项式混沌扩展Kriging代理模型在贝叶斯参数推断中有什么优势？
该代理模型采用局部自适应方式，能以最小计算代价重复非平滑响应，并可使用马尔科夫链蒙特卡洛方法进行参数推断，适用于高度非线性工程模型的贝叶斯参数推断。
如何利用图嵌入进行量子动力学模拟？
通过图嵌入的量子动力学模拟算法计算采样流形上的测地线，并揭示了数据采样和量子化之间的有趣关系。
什么是主切子空间，它如何用于流形学习和表面重构？
主切子空间是通过将点云的局部线性逼近组合成较低维度束，获取由局部主成分分析得到的局部逼近，构建在R^d空间中低于维度d的级别k切子空间，从而决定R^d上的黎曼度量。它可用于构建逼近子流形M、在R^k中构建点云表示以及计算观测值之间的距离，并在噪声数据下具有稳健性。
重心子空间分析（BSA）是如何推广PCA到黎曼流形的？
BSA将PCA重新表述为线性子空间族上的最优化问题，构造具有affine spans的Flag的子空间层次嵌套来优化积累未解释方差（AUV）标准，从而在黎曼流形中实现最优的PCA推广。
在鲁棒子空间恢复中，如何利用Grassmann流形上的测地线梯度下降？
针对鲁棒子空间恢复的非凸能量景观，证明了一个基于数据集固定条件的子空间是唯一稳定点和局部极小值。如果该条件满足，沿Grassmann流形的测地线梯度下降方法在适当初始化下可以完全恢复基础子空间，并在不同样本大小和环境维度下实现几乎最先进的恢复保证。
深度生成模型学习的流形具有怎样的黎曼几何特性？
研究发现深度生成模型学习的流形近似于零曲率，并提出了计算测地线和沿流形路径平行传递切向量的算法，探讨了这种现象的实际影响。
Grassmann流形的基本事实和公式有哪些？
Grassmann流形可以通过表示子空间的正交投影器的方法和被视为正交群的商空间的方法来揭示其几何学。文章还提出了一种改进的算法，用于计算Grassmann流形上的Riemannian对数映射，以及沿正交投影器视角的测地线的平行输运的方程和指标的导数。
GEOMANCER算法如何实现对称性解缠？
GEOMANCER是一种新的非参数对称性解缠算法，通过估计随机扩散下的不变子空间来实现数据流形的完全无监督解缠，并在多个复杂合成流形上验证了其有效性。
