Forskningsprojekt i geometrisk djupinlärning
I projektet studerar vi neurala ODEs i rum med lokalt varierande dimension genom att utnyttja geometrin hos M-polyfolder. Resultatet är flexibla och expressiva maskininlärningsmodeller som dynamiskt kan anpassa sin dimension för att utforska olika tillstånd medan de tränas. Vi utvecklar de matematiska grunderna för flöden och symmetrier på M-polyfolds och utnyttjar dessa för att skapa nya modeller i geometrisk djupinlärning bortom de begränsningar som traditionella mångfalder innebär.
