复杂域上神经网络的批量归一化
机器学习
2026-05-04 v1 机器学习
摘要
黎曼神经网络在解决多种机器学习任务方面已证明有效。其成功关键在于发展出深层神经网络(DNN)构建模块的原则性黎曼等价方法。其中，黎曼批量归一化(BN)层已显示出增强训练稳定性并提高准确率的作用。在本文中，我们提出了用于复杂域上神经网络的BN层。所提出的层与现有黎曼BN层保持密切关联。我们推导了针对一些不太受前人关注的复杂域(例如塞伊格圆盘域)的BN层实用实现的关键组件。我们在雷达杂波分类、节点分类和动作识别任务上进行实验，证明了我们方法的有效性。
引用
@article{arxiv.2605.00467,
title = {Batch Normalization for Neural Networks on Complex Domains},
author = {Xuan Son Nguyen and Nistor Grozavu},
journal= {arXiv preprint arXiv:2605.00467},
year = {2026}
}