[论文解读] Geometric operations implemented by conformal geometric algebra neural nodes

Eckhard Hitzer|arXiv (Cornell University)|Jun 6, 2013

Algebraic and Geometric Analysis参考文献 2被引用 9

一句话总结

本文提出了符合几何代数神经元（几何神经元），利用多向量权重执行精确的几何变换——如旋转、平移、反射和缩放——作用于点、线和球体等几何对象。通过在共形几何代数中使用旋子（versors），这些神经元比传统网络更准确地学习复杂的欧几里得变换。

ABSTRACT

Geometric algebra is an optimal frame work for calculating with vectors. The geometric algebra of a space includes elements that represent all the its subspaces (lines, planes, volumes, ...). Conformal geometric algebra expands this approach to elementary representations of arbitrary points, point pairs, lines, circles, planes and spheres. Apart from including curved objects, conformal geometric algebra has an elegant unified quaternion like representation for all proper and improper Euclidean transformations, including reflections at spheres, general screw transformations and scaling. Expanding the concepts of real and complex neurons we arrive at the new powerful concept of conformal geometric algebra neurons. These neurons can easily take the above mentioned geometric objects or sets of these objects as inputs and apply a wide range of geometric transformations via the geometric algebra valued weights.

研究动机与目标

• 开发一种原生处理几何对象与变换的神经网络框架，利用几何代数。
• 将实数、复数和四元数神经元扩展为在共形几何代数中使用多向量权重的几何神经元。
• 通过基于旋子的权重，实现对旋转、平移和反射等几何变换的精确学习。
• 展示几何神经元在学习非线性几何操作方面相较于传统多层感知机的优越性能。

提出的方法

• 几何神经元采用多向量权重旋子 W 与输入多向量 X 的双侧乘法：Y = (-1)^w W⁻¹ X W + Θ。
• 旋子 W 由共形几何代数 G(3+1,1) 中的可逆向量构造而成，表示如旋子、平移子和组合变换子等变换。
• 该模型将所有欧几里得几何对象（点、直线、平面、球体）嵌入到具有基向量 e₀, e∞ 和 e₁,e₂,e₃ 的 5D 共形空间中作为多向量。
• 变换通过旋子共轭实现：X′ = (-1)^v V⁻¹ X V，其中 V 是表示反射或旋转的旋子。
• 通过相乘各自旋子，代数组合基本变换（旋子、平移子、组合变换子、缩放算子）。
• 该框架支持通过旋子复合学习复杂变换，如螺旋运动、滑移反射和旋转反演。

实验结果

研究问题

• RQ1 能否利用几何代数设计出能自然表示并变换点、直线和球体等几何对象的神经元？
• RQ2 如何在共形几何代数中使用旋子作为可学习权重来表示并应用几何变换？
• RQ3 几何神经元能否在学习如球面反演等几何操作方面优于标准神经网络？
• RQ4 在共形几何代数中，使用多向量权重可精确表示和学习哪些类型的几何变换？

主要发现

• 使用多向量权重的几何神经元可精确学习如球面反演等变换，性能优于线性网络和多层感知机。
• 共形几何代数模型在单一 5D 代数框架中统一表示了所有欧几里得几何对象，包括曲线对象如圆和球体。
• 所有正则与非正则欧几里得变换，包括平移、旋转、反射和缩放，均通过共形模型中的旋子表示为正交变换。
• 通过相乘对应旋子，代数组合基本变换（如螺旋运动、滑移反射、旋转反演），实现复杂几何操作。
• 代数中使用对合与几何积可实现几何运算的高效且精确计算，保持共形空间中的内积与距离不变。