用于恢复阿达马矩阵的等变神经网络
机器学习
2022-02-01 v1 离散数学
摘要
我们提出了一种消息传递神经网络架构，其设计对矩阵的行与列置换具有等变性。在恢复阿达马矩阵中被删除条目的组合优化任务上，我们展示了它相对于多层感知机（MLP）、卷积神经网络（CNN）乃至 Transformer 等传统架构的优势。我们认为这是几何深度学习（Geometric Deep Learning）原理在基础数学中的一个有力应用，也是利用机器学习技术对阿达马猜想获得更多见解的潜在垫脚石。
引用
@article{arxiv.2201.13157,
title = {Equivariant neural networks for recovery of Hadamard matrices},
author = {Augusto Peres and Eduardo Dias and Luís Sarmento and Hugo Penedones},
journal= {arXiv preprint arXiv:2201.13157},
year = {2022}
}