//=time() ?>
【相対論的重力場に浮かぶクラスタ】
相互にやり取りするユーザーのように相互作用するノードがクラスタを形成するとき、各クラスタの特徴空間上の座標に応じて計量やカレントが定まることを仮定し、アインシュタイン方程式から表現を学習。各クラスタ内のノードの振る舞いを予測するタスクで高精度。
あまり面白みはないし古いので少しだけ【ノスタルジアのアダム】一次最適化過程Adamは指数移動平均を用いるので収束するとは限らない問題がある。単調減少列b∝k^-γによって、Adamのスケーリング変数vをより過去の勾配の記憶に重み付けることで、確実に収束。リグレット平均が零に漸近することを証明。
【測度から測度への非自明な変換】
Wasserstein変換によって、経験分布(離散測度)をより有用な測度空間に変換。元の測度空間上での確率分布の局在化と、局在化した分布のW-距離によるメトリック変換から成る。単なる点の距離ではなく、測度の類似性によって、隠れた構造を強調した表現を生成できる。