Reti Neurali Sublineari Parametrizzano Insiemi Convessi
Un nuovo approccio utilizza reti neurali sublineari per caratterizzare insiemi convessi attraverso l'apprendimento di funzioni positivamente omogenee e convesse. Queste reti servono a definire implicitamente sia le funzioni di supporto che quelle di gauge associate ai corpi convessi. Viene fornita una dimostrazione di un teorema di approssimazione universale applicabile agli insiemi convessi utilizzando questa parametrizzazione. I risultati empirici relativi a problemi di ottimizzazione della forma e progettazione inversa dimostrano la ricostruzione precisa delle forme desiderate.
Fatti principali
- Le reti neurali sublineari parametrizzano insiemi convessi.
- Le reti apprendono funzioni positivamente omogenee e convesse.
- Sia le funzioni di supporto che quelle di gauge sono rappresentate implicitamente.
- Viene dimostrato un teorema di approssimazione universale per insiemi convessi.
- Il metodo è stato applicato a problemi di ottimizzazione della forma e progettazione inversa.
- È stata ottenuta una ricostruzione accurata delle forme target.
Entità
—