JMLR

Sampling and estimation on manifolds using the Langevin diffusion

在流形上使用兰格vin扩散进行采样和估计

Karthik Bharath, Alexander Lewis, Akash Sharma, Michael V Tretyakov

AI总结 本文提出了一种在流形上使用兰格vin扩散进行采样和估计的方法，推导了误差界并验证了其在不同曲率流形上的实用性。

Journal ref Journal of Machine Learning Research (JMLR) 26 (2025), 71:1-50

GLL: A Differentiable Graph Learning Layer for Neural Networks

GLL：一种用于神经网络的可微图学习层

Jason Brown, Bohan Chen, Harris Hardiman-Mostow, Jeff Calder, Andrea L. Bertozzi

机构 * Department of Mathematics University of California, Los Angeles（数学系，加州大学洛杉矶分校） ； Computing + Mathematical Sciences (CMS) Department California Institute of Technology（计算与数学科学系（CMS），加州理工学院） ； School of Mathematics University of Minnesota（数学系，明尼苏达大学） 纠错

AI总结 本文提出GLL，一种可微图学习层，用于神经网络中，通过整合相似性图构建和图拉普拉斯标签传播，提升分类任务的泛化能力和鲁棒性。

Comments 58 pages, 12 figures. Preprint. Submitted to the Journal of Machine Learning Research. v2: several new experiments, improved exposition