Introduction to GDL (Michael Bronstein).pdf

过去几年里，深度学习在许多异质领域取得了令人印象深刻的成功:图像识别、游戏、生物学、自然语言处理，等等。然而，要真正理解这些成就背后的数学原理，我们还有很长的路要走。除了本身具有理论意义之外，理解为什么这些技术如此有效，肯定会提高它们的性能，扩大它们的应用领域。 几何深度学习(GDL)是一个很有前途的研究方向。GDL提出了一种统一的方法来理解为什么不同的体系结构(如CNN、LSTM、图神经网络、transformer)如此成功。强大的基本思想是，每当要逼近的函数被一组对称G不变/等变时，G不变/等变应该在体系结构中进行编码。例如，这就是为什么通过权值共享实现翻译等效的CNN在图像识别上工作得如此好，这是一个自然的翻译等效任务。 意大利第一所几何深度学习学校是位于意大利的第一所GDL强化学校。这将在意大利建立一个GDL社区，与其他欧洲国家建立联系，并最终促进GDL的研究。 一门有针对性的密集课程是使学生能够解决GDL的理想设置，否则这一领域将需要几个不同技能的单独训练，从群论和微分几何，到图论、概率论和深度学习。 目标受众包括计算机科学、数学、物理和统计专业的研究生，以及博士后和