University of Cambridge（剑桥大学）

Diffeomorphism-Equivariant Neural Networks

微分同胚等变神经网络

Josephine Elisabeth Oettinger, Zakhar Shumaylov, Johannes Bostelmann, Jan Lellmann, Carola-Bibiane Schönlieb

机构 * Institute of Mathematics（数学研究所） ； Image Computing, University of Luebeck, Luebeck, Germany（图像计算，吕贝克大学，吕贝克，德国） ； Department of Applied Mathematics（应用数学系） ； Theoretical Physics, University of Cambridge, Cambridge, United Kingdom（理论物理，剑桥大学，剑桥，英国） 纠错

AI总结 本文提出通过能量基于规范化诱导预训练网络的微分同胚等变性，实现对无限维群的等变性扩展，适用于分割和分类任务。

$f$-FUM: Federated Unlearning via min--max and $f$-divergence

$f$-FUM: 通过min-max和$f$-散度实现联邦去学习

Radmehr Karimian, Amirhossein Bagheri, Meghdad Kurmanji, Nicholas D. Lane, Gholamali Aminian

机构 * Department of Statistics, Universite de Geneve, Geneva, Switzerland（日内瓦大学统计系） ； University of Cambridge, Cambridge, United Kingdom（剑桥大学） ； The Alan Turing Institute, London, UK（艾伦·图灵研究所） 纠错

AI总结 本文提出$f$-FUM框架，通过min-max和$f$-散度实现联邦去学习，有效减少数据移除对模型的影响，提升效率。

Comments 16 pages, 1 figure