AI এবং বিশ্বের কঠিন সমস্যাগুলো · তাত্ত্বিক কম্পিউটার বিজ্ঞান · arXiv · 2026-10-21

ফ্লো চার্ট দিয়ে রিমানীয় ম্যানিফোল্ডে নরমাল কোঅর্ডিনেট শেখা

মূল শিরোনাম: Learning Normal Coordinates on Riemannian Manifolds with Flow Charts

রিমানীয় ম্যানিফোল্ড অ-ইউক্লিডীয় কাঠামোযুক্ত সমস্যার জন্য শক্তিশালী মডেল, তবে জ্যামিতিক অ্যালগরিদমে প্রয়োজনীয় এক্সপোনেনশিয়াল ও লগারিদমিক ম্যাপের বারবার মূল্যায়ন গাণনিকভাবে ব্যয়বহুল। লেখকেরা একটি conditional invertible neural network—যাকে flow chart বলা হয়—প্রশিক্ষণ দেন প্রদত্ত ম্যানিফোল্ডের বিন্দুর চারপাশের নরমাল স্থানাঙ্ক আসন্ন করতে, ফলে শেখা স্থানাঙ্ক পরিসরে উভয় ম্যাপই দ্রুত ইউক্লিডীয় ক্রিয়ায় পরিণত হয়, আর সঙ্গে থাকে একটি দক্ষ অঋণাত্মক লস, যা ঠিক তখনই শূন্য হয় যখন চার্টটি নরমাল থাকে। ষোলোটি সিন্থেটিক ও ডেটা-নির্ধারিত জ্যামিতি জুড়ে, প্রি-ট্রেইনড flow chart গুলো তুলনীয় লগারিদমিক ম্যাপ ত্রুটিতে সংখ্যাতাত্ত্বিক বেসলাইনের চেয়ে মধ্যমা হিসেবে 60-70x গতিবৃদ্ধি দেয়, এবং সেগুলোর শেখা স্থানাঙ্ক একটি সংখ্যাতাত্ত্বিক জিওডেসিক সলভারের নির্ভুলতা বাড়ায়।

মূল লেখা পড়ুন ↗

সব আইটেম →