Metriekbewuste PCA als lineaire verschijningsvorm van geometrisch deep learning

arXiv:2605.27456v1 – Nieuw. Geometrisch diep leren ordent neurale architecturen rond de symmetrieën van hun datadomein, waarbij de keuze van de symmetriegroep dient als een geometrische prior die bepaalt welke representaties geleerd kunnen worden. Metrisch-bewuste hoofdcomponentenanalyse (MAPCA) parametriseert hoofdcomponentenanalyse met een positief-definiete metrische matrix, met een canonieke deelfamilie die interpoleert tussen standaard PCA en output-whitening en een diagonale-metriek-