SPD 신경망을 위한 Riemannian 다항 로지스틱 회귀
SPD 행렬 학습을 위한 기존 접근법은 유클리드 공간에서의 분류기를 사용하여 SPD 다양체의 내재적 기하학을 정확하게 포착하지 못했다. 이 논문에서는 Riemannian 다항 로지스틱 회귀(RMLR)를 제안하여 SPD 신경망의 분류 레이어에 적용한다. 제안 방법은 유클리드 공간에서 당겨온 메트릭(PEM)을 사용하여 일반화된 프레임워크를 제공하며, 기존 LogEig 분류기에 대한 내재적 설명을 제공한다. 실험 결과 제안 방법이 다양한 SPD 벤치마크에서 우수한 성능을 보인다.