Riemannian Manifold Learning via Shearlet Approximation (A10#)

[2] [1] [3] [3] [1] [3] [1] [3] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1]在此基础上，建立了基于几何特征的数学模型，建立了基于几何特征的数学模型；建立了基于几何特征的数学模型；建立了基于几何特征的数学模型；建立了基于几何特征的数学模型；在此基础上，提出了一种有效的数值实现方法，即基于riemanmann - schen - Mannigfaltigkeiten - schen的Zugang - zur辨识方法。

Wir planen eine umfassende Theorie für das Lernen von Riemannschen Mannigfaltigkeiten mittels Approximationen durch das richtungsbezogene Darstellungssystem der Shearlets zu entwickeln.Das Hauptziel hierbei ist zu untersuchen, welche geometrischen Eigenschaften wie Krümmung oder Torsion der Mannigfaltigkeit durch solche Approximationen gelernt werden können und mit welcher Genauigkeit bezüglich verschiedener Skalen. Wir erwarten, dass dies zu einem neuen theoretischen, aber auch numerisch effizient realisierbaren Zugang zur Identifikation von Riemannschen Mannigfaltigkeiten führt.