riemannian-manifold

提出了能量流形自然梯度下降（EMNGD），一种面向神经PDE求解器的流形优化框架，该框架在参数更新时与函数空间能量曲率对齐，同时遵循参数约束。理论保证和实验结果表明，该方法提高了准确性和收敛速度。

本文提出测地线流匹配（Geodesic Flow Matching），一种在环面流形上对空间语义指针（SSP）进行去噪的黎曼传输方法，并在脉冲神经SLAM系统中实现了72%的跟踪误差降低和40%的效率提升。