【技术实现步骤摘要】
【国外来华专利技术】量规等变几何图卷积神经网络
[0001]相关申请的交叉引用
[0002]本申请要求于2021年2月5日提交的美国申请No.17/169,338的优先权,后者要求于2020年2月6日提交的美国临时专利申请No.62/971,129的权益和优先权,这些申请中的每一者的全部内容通过援引纳入于此。
[0003]引言
[0004]本公开的各方面涉及机器学习技术,并且具体地涉及用于使用图卷积神经网络执行机器学习的系统和方法。
[0005]卷积神经网络(CNN)已被确立为用于许多机器学习任务(诸如声音处理和图像分类和分割)的默认方法。虽然被广泛使用,但CNN的大多数应用限于特定的几何形状,如平坦的欧几里得空间或球体S2,其中卷积被简单地定义并且经优化的实现是可用的。CNN在此类空间上的经验成功引起了将卷积推广到更一般的空间(如黎曼流形)的兴趣。然而,由于流形通常缺乏对称性,因此目前不可能将卷积推广为平移不变的线性算子。
[0006]一种办法是将网格定义为二维嵌入式黎曼流形的离散模拟。随后,可以在网格上定义卷积以将其解读为图并应用图卷积网络(GCN)。然而,由于常规GCN使用各向同性滤波器,因此它们对顶点的相对取向不敏感,并且因此对整个网格的几何形状不敏感。因此,信息丢失并且GCN的性能受到影响。
[0007]因此,需要用于对复杂几何形状(诸如流形)执行信息保持卷积操作的技术。
[0008]简要概述
[0009]在第一方面,一种用于执行机器学习的方法,包括:确定与包括目标顶点的网格相关联的邻域中的多个顶 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,包括:确定与包括目标顶点的网格相关联的邻域中的多个顶点;确定线性变换,所述线性变换被配置成沿所述网格中的所有边将信号平行传输到所述目标顶点;向所述邻域中的所述多个顶点应用所述线性变换,以在所述目标顶点处形成经组合信号;确定基滤波器集合;使用学习参数集合来线性地组合所述基滤波器以形成量规等变卷积滤波器,其中所述量规等变卷积滤波器被约束以保持量规等变性;向所述经组合信号应用所述量规等变卷积滤波器以形成中间输出;以及向所述中间输出应用非线性以形成卷积输出。2.如权利要求1所述的方法,进一步包括:确定针对所述邻域的非均匀离散傅里叶变换矩阵;以及基于所述非均匀离散傅里叶变换矩阵来生成针对所述邻域的所述量规等变卷积滤波器。3.如权利要求1所述的方法,其中:所述非线性是量规等变的,并且所述基滤波器集合被配置成保持针对相应网格的量规等变性。4.如权利要求3所述的方法,进一步包括:将所述经组合信号变换为具有多个表示样本的正则表示,其中所述多个表示样本中的每个表示样本相对于所述多个表示样本中的每个其他表示样本旋转;以及对于所述多个表示样本中的每个相应表示样本:根据所述相应表示样本的旋转来旋转所述量规等变卷积滤波器;以及将所述经旋转的非线性应用于所述相应表示样本。5.如权利要求1所述的方法,进一步包括:通过在切平面中经由黎曼对数映射的离散等效映射相应顶点来对所述邻域中的所述多个顶点中的每个相应顶点的局部几何形状进行编码。6.如权利要求1所述的方法,其中确定被配置成沿所述网格中的所有边将信号平行传输到所述目标顶点的所述线性变换包括将在所述多个顶点中除所述目标顶点之外的每个相应顶点处的切空间对齐为平行于所述目标顶点的切空间,随后在所述相应顶点与所述目标顶点之间平移向量。7.如权利要求1所述的方法,其中所述量规等变卷积滤波器是各向异性的。8.如权利要求1所述的方法,进一步包括:将所述卷积输出提供给量规等变几何图卷积神经网络的另一层。9.一种处理系统,包括:包括计算机可执行指令的存储器;一个或多个处理器,所述一个或多个处理器被配置成执行所述计算机可执行指令并使所述处理系统:确定与包括目标顶点的网格相关联的邻域中的多个顶点;
确定线性变换,所述线性变换被配置成沿所述网格中的所有边将信号平行传输到所述目标顶点;向所述邻域中的所述多个顶点应用所述线性变换,以在所述目标顶点处形成经组合信号;确定基滤波器集合;使用学习参数集合来线性地组合所述基滤波器以形成量规等变卷积滤波器,其中所述量规等变卷积滤波器被约束以保持量规等变性;向所述经组合信号应用所述量规等变卷积滤波器以形成中间输出;以及向所述中间输出应用非线性以形成卷积输出。10.如权利要求9所述的处理系统,其中所述一个或多个处理器被进一步配置成使所述处理系统:确定针对所述邻域的非均匀离散傅里叶变换矩阵;以及基于所述非均匀离散傅里叶变换矩阵来生成针对所述邻域的所述量规等变卷积滤波器。11.如权利要求9所述的处理系统,其中:所述非线性是量规等变的,并且所述基滤波器集合被配置成保持针对相应网格的量规等变性。12.如权利要求11所述的处理系统,其中所述一个或多个处理器被进一步配置成使所述处理系统:将所述经组合信号变换为具有多个表示样本的正则表示,其中所述多个表示样本中的每个表示样本相对于所述多个表示样本中的每个其他表示样本旋转;以及对于所述多个表示样本中的每个相应表示样本:根据所述相应表示样本的旋转来旋转所述量规等变卷积滤波器;以及将所述经旋转的非线性应用于所述相应表示样本。13.如权利要求9所述的处理系统,其中所述一个或多个处理器被进一步配置成使所述处理系统通过在切平面中经由黎曼对数映射的离散等效映射相应顶点来对所述邻域中的所述多个顶点中的每个相应顶点的局部几何形状进行编码。14.如权利要求9所述的处理系统,其中为了确定被配置成沿所述网格中的所有边将信号平行传输到所述目标顶点的所述线性变换,所述一个或多个处理器被进一步配置成使所述处理系统将在所述多个顶点中除所述目标顶点之外的每个相应顶点处的切空间对齐为平行于所述目标顶点的切空间,随后在所述相应顶点与所述目标顶点之间平移向量。15.如权利要求9所述的处理系统,其中所述量规等变卷积滤波器是各向异性的。16.如权利要求9所述的处理系统,其中所述一个或多个处理器被进一步配置成使所述处理系统将所述卷积输出提供给量规等变几何图卷积神经...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。