多胞体与机器学习
Polytopes and Machine Learning
AI总结：
该研究将机器学习引入格多胞体研究，利用监督学习技术预测体积、对偶体积、反身性等标准属性，准确率高达100%，并发现以Plücker坐标作为2d多边形和3d多胞体的输入优于顶点表示法。
摘要：
我们将机器学习方法引入格多胞体的研究。利用监督学习技术，我们预测了体积、对偶体积、反身性等标准属性，准确率高达100%。我们重点关注以Plücker坐标作为输入的2d多边形和3d多胞体，其表现优于通常的顶点表示法。
英文摘要：
We introduce machine learning methodology to the study of lattice polytopes. With supervised learning techniques, we predict standard properties such as volume, dual volume, reflexivity, etc, with accuracies up to 100%. We focus on 2d polygons and 3d polytopes with Plücker coordinates as input, which out-perform the usual vertex representation.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
