数学术语之源——代数——群同态的“核(kernel)”

谷歌HEIR项目:用编译器技术降低同态加密AI推理门槛 在数据隐私日益重要的今天,隐私计算技术成为保护敏感信息的关键。同态加密作为其中理论最完备的分支,允许在加密数据上直接进行计算,实现了“数据可用不可见”的理想状态。其核心原理是通过数学方法,使得对密文的运算结果解密后等同于对明文进行相同运算的结果,从而在不解密的情况下完成数据处理。这项技术的核心价值在于为云端AI推理等场景提供了最高级别的数据隐私保障,尤其适用于医疗、金融等对数据安全要求极高的领域。然而,全同态加密长期面临计算开销巨大、开发复杂度过高的工程化瓶颈。谷歌近期开源的HEIR项目,作为一个同态加密编 阅读详情

1.  “kernel”这个术语在群论中的起源

Ivar Fredholm 在 1903 年的第27期Acta Math 数学学报发表的一篇关于“积分方程(INTEGRAL EQUATIONS)”的著名论文(“关于一类函数方程(Sur une classe des équations fonctionnelles)”)中使用了法语“noyau(核)”(365-390页)。

David Hilbert在他的<<线性积分方程一般理论原理>>(Grundzüge einer allgemeinen Theorie der linearen Integralgleichungen)(Nachrichten von d) 中将其翻译成德语,称为“Kern”(Nachrichten von d. Königl. Ges. d. Wissensch. zu Göttingen (Math.-physik. Kl.)(1904年) 第49页)。

在英语中,“kernel”在数学中作为术语最早出现在M. Bôcher的著作<<积分方程研究导论>>(Introduction to the Study of Integral Equations)一书中(1909年),书中将其描述为“K is called the kernel of these equations(称K为这些积分方程的核)”(引自牛津英语词典)。参见 G. Birkhoff 和 E. Kreyszig (1984)“泛函分析的建立”,Historia Mathematica, 11,258-321。

到 A. Zygmund 的三角级数 (1935) 时代,“kernel”已成为Fourier分析中的一个既定术语。通过JSTOR 搜索发现,在 Charles N. Moore 的“On the Application of Borel's Method to the Sumation of Fourier's Series”中发现了“Fejér 核”和“Dirichlet 核”(Proceedings of the National Academy, 11, (1925), 284-287),但这不太可能是这些术语的首次公开使用。

“kernel”使用Fourier理论进入统计学,描述谱密度和概率密度函数的估计。 JSTOR 搜索发现,E. F. Schuster(数学统计年鉴,40,(1969年),第 1187 页)指的是“所谓的核估计类”,由 M. Rosenblatt 在“关于密度函数的一些非参数估计的评述”中引入的(Annals of Mathematical Statistics,27,(1956年),第832-837页)。早期的“Fejér kernel”曾用于 U. Grenander 和 M.Rosenblatt 的“平稳随机过程产生的时间序列的统计谱分析(Statistical Spectral Analysis of Time Series Arising from Stationary Stochastic Processes)”,Annals of Mathematical Statistics,24,(1953年),第537-558页。另一个在时间序列分析中特别流行的术语是“window”。另见“Fejér kernel”。

“kernel”在代数中的使用似乎与其在积分方程和Fourier分析中的使用无关。 L. Pontrjagin 于 1931 年在《数学》杂志的论文“Über den algebraischen Inhalt topologischer Dualitätssätze”的第 102 页上使用了该术语。年鉴 105。《牛津英语词典》引用了Pontrjagin的<<拓扑群 i.11>>( Topological Groups)中的以下内容(由 E. Lehmer 1946年翻译)“在同态 g 下被映射到群 G* 的玄元上的群 G 的所有元素的集合称为该同态的核。”

G. D. Birkhoff 和 S. A. MacLane <<现代代数综述>>( A Survey of Modern Algebra)第 3 版 1965 年,第 213-214 页将同态和核的概念应用于被视为加法下Abel群的向量空间之间的线性变换 T 。 他们评论说:“由于 O 是群的玄元,因此 T 的零空间正是被视为群同态的 T 的核。” 请参阅条目 NULL SPACE。

2.  “kernel”这个术语在群论中的含义

从上面第1点可以看出,“kernel”这个术语在数学的多个分支都有使用,至少在积分方程、Fourier分析、群论中都有作为术语使用。但就这个术语的确切含义,只有放到具体的数学分支中的知识点上才能说明。或许,当初引入这个术语的作者认为这个特征比较核心,因此用这个词描述。比如在Fourier分析中,“核”指的是在某个范围内的积分恒为1。

关于核在代数群论中的含义,引用Michael Artin 在他的书中的说明,或许能导出“核”在群论中的含义。书中说,“核非常重要,原因在于它控制着整个同态。它不仅告知了我们G 中的哪些元素被映射到G’的幺元,而且还告知了我们G中的哪些元素对在G’中具有相同的像。” 这或许就是当初群论中引入术语“核”来描述这一数学现象的原因。

参考资料:

1. Earliest Known Uses of Some of the Words of Mathematics (K)

Earliest Known Uses of Some of the Words of Mathematics (K)

更多术语:

https://web.archive.org/web/20170612233228/http://jeff560.tripod.com/mathsym.html

2.   <<Algebra>> Michael Artin, 2th

精确等变性:实现零样本跨对称群泛化的结构先验 等变性是深度学习中连接输入变换与输出响应的数学契约,区别于不变性,它要求模型输出随输入严格同步变换。其核心原理源于群论——通过对称群建模任务本质、用群表示定义特征变换身份、借群卷积构建等变层,从而将泛化能力编码进网络结构而非依赖数据统计。这种结构先验赋予模型跨对称群泛化能力,尤其在零样本场景下(如C₄训练→C₈测试)展现出远超数据增强的鲁棒性。典型应用场景涵盖工业质检中的位姿鲁棒检测、分子手性识别、SE(3)图神经网络及周期性时序预测。本文聚焦‘精确等变性’与‘零样本跨对称群泛化’两大关键技术支点,揭示其从 阅读详情

相关推荐

Catalan猜想与Mihăilescu定理:指数丢番图方程的终极解构

指数丢番图方程是数论中研究整数幂次关系的基础范式,其核心在于分析形如a^x − b^y = 1的整数解存在性。这类方程虽表述简洁,却深刻关联代数数论的深层结构,尤其依赖分圆域、单位群与类群理论的协同作用。Baker定理为其提供关键上界控制,而Mihăilescu定理则通过循环单位根同态与正则素数判据,完成对唯一解(3²−2³=1)的结构性证明。该成果不仅终结了长达158年的Catalan猜想,更推动了指数型方程求解范式的升维演进,在密码学、椭圆曲线及ABC猜想研究中持续释放技术价值。

weixin_33843409的博客 457

近世代数 笔记与题型连载 第十二章(同态与同构)

同态的概念:(如下图所示)同态映射的性质:同态与同构:同构的性质:凯莱定理:任何一个有限群同构于一个置换群。同态核的定义: 同态核的性质:基本思路:从定义出发,只需要证明对于给定的映射方式,存在f(a1※a2)=f(a1)×f(a2)即可。例题:基本思路:从两个方面进行判断即可,也就是分别判断是否满足满射和入射条件。如果只满足满射条件,那么这个同态就是满射同态;如果只满足入射条件,那么这个同态就是入射同态;如果同时满足漫射条件和入射条件,那么这个同态就是同构。例题1:例题2:例题3:例题4:基本思路:借助底

hanmo22357的博客 1万+

图像增强实战:同态滤波与拉普拉斯锐化组合算法详解

图像增强是数字图像处理中的基础技术,旨在改善图像的视觉效果或突出特定特征。其核心原理在于通过数学变换调整图像的像素值分布,以提升对比度、锐化细节或校正光照。在工程实践中,频域滤波与空域锐化是两种主流技术路径。频域滤波如**同态滤波**,通过分离照射分量与反射分量,能有效校正非均匀光照;而空域锐化如**拉普拉斯算子**,则通过微分运算强化边缘与纹理。将两者结合,先校正光照再增强细节,能系统性地解决光照不均图像中细节模糊的难题,在医学影像、遥感分析和工业检测等场景中具有重要应用价值。本文聚焦的“同态滤波+拉普拉

weixin_34166847的博客 330

5-8 同态与同构

同态映射是连接两个代数系统和的桥梁。若存在映射f:A→B,使得对所有a₁, a₂ ∈ A都满足f(a₁★a₂) = f(a₁)*f(a₂),则称f为从到的同态映射。同态映射保持了原系统中的运算结构在新系统中的“影子”。当同态映射f是双射(即既是单射又是满射)时,f称为同构映射,我们说和是同构的,记作A≌B。同构关系表明两个代数系统在结构上是完全相同的,只是元素的表示和运算符号可能不同。

tang7mj的博客 4285

同态加密融合大模型与可验证延迟压缩,破解医疗AI隐私计算难题

在数据驱动的时代,隐私计算技术成为平衡数据价值挖掘与隐私安全保护的关键。同态加密作为其核心密码学基石,允许在密文上直接进行计算,为数据“可用不可见”提供了理论保障。其技术原理在于通过数学构造,使加密后的数据仍能支持特定的代数运算,从而在不解密的前提下完成数据处理。这项技术的核心价值在于,它能在不暴露原始数据的情况下释放数据价值,尤其适用于金融、医疗等高敏感数据协作场景。在医疗AI领域,大模型对海量文本的分析能力与医疗数据的隐私性要求形成了尖锐矛盾。本文聚焦于通过融合可验证延迟压缩技术,优化同态加密的计算效率

weixin_34008933的博客 329

拉普拉斯算子:图像边缘检测的数学原理与工业实践

拉普拉斯算子是图像处理中用于检测边缘的核心二阶微分算子,其本质是对像素邻域灰度曲率变化的量化,通过离散卷积实现对亮度突变区域的高灵敏响应。它源于偏微分方程中的拉普拉斯方程,物理上表征某点与周围平均灰度的偏离程度,具备零和性、各向同性及噪声敏感等关键特性。在工程实践中,纯拉普拉斯易受噪声干扰,需结合高斯预滤波构成LoG(Laplacian of Gaussian)算子,以平衡细节保留与噪声抑制。该技术广泛应用于工业缺陷检测、医学影像分割、手机人像模式及三维点云平滑等领域,是OpenCV边缘检测与现代CNN特征

weixin_34295316的博客 417

核函数(Kernel function)

内核方法是一类用于模式分析或识别的算法,其最知名的使用是在支持向量机(SVM)。模式分析的一般任务是在一般类型的数据(例如序列,文本文档,点集,向量,图像等)中找到并研究一般类型的关系(例如聚类,排名,主成分,相关性,分类)图表等)。内核方法将数据映射到更高维的空间,希望在这个更高维的空间中,数据可以变得更容易分离或更好的结构化。对这种映射的形式也没有约束,这甚至可能导致无限维空间。然而,这种映射函数几乎不需要计算的,所以可以说成是在低维空间计算高维空间内积的一个工具。将原始空间中的向量作为。

顺其自然~专栏 8206

CKKS、BFV、BGV的旋转操作对比:选哪个方案更合适你的隐私计算项目?

本文深入对比了CKKS、BFV和BGV三种同态加密方案在旋转操作上的性能差异,为隐私计算项目提供技术选型指南。通过分析数学本质、计算精度和硬件加速实践,帮助开发者根据应用场景选择最适合的方案,优化联邦学习等隐私保护系统的性能。

weixin_30655569的博客 422

抽象代数之群同态基本定理的证明之群同态的核是群G的正规子群

linux-0.11调试教程 6259

【抽象代数】模论里面的核(ker),表示什么? —— 学习一下“核 (Kernel)”的概念思想在模论 (Module Theory) 中的意义

在线性代数和泛函分析中,kernel(或称为零空间)是一个线性变换的所有被映射到零向量的向量所构成的空间。具体来说,设TV→WTV→W是一个线性变换,其中VVV和WWW是两个向量空间。那么,TTT的kernel或零空间,是由所有x∈Vx\in Vx∈V构成的集合KKK,使得Tx0Tx0,其中0\mathbf{0}0表示WWW中的零向量。

AI天才研究院 1万+

【信息科学与工程学】【数据科学】数据科学领域-第三篇 数学基础04 集合论02

编号类型概念类别概念名称数学定义/描述数学表示性质特征重要特例相关理论问题的数学分析参数列表及参数数值范围关联知识1基础集合论本体集合若干确定的、互不相同的对象的总体A,B,…确定性、互异性、无序性∅,N,RZFC 公理系元素归属判定 x∈A势 ∥A∥∈{finite}∪[ℵ0​,+∞)朴素集合论→公理化2基础集合运算并/交/差/补按逻辑联结词定义的集合操作A∪B,A∩B,A∖B交换律、结合律、分配律、De MorganA∪∅=A布尔代数多集合推广 ⋃i∈I​Ai​I为指标集,可数/不可数测度论3基础构造幂

weixin_49199313的博客 375

在机器学习领域,有一个备受瞩目的概念——Kernel(核函数)

在Transformer里,它是没有唯一的一个类似CNN的Kernel的,它的结构最像Kenel功能的应该是QKV的三个权重与FeedForward这个权重,只不过这个Kernel为了兼容数据的位置信息,把窗口做成了全输入这么大,也就是每个Kernel都是一个全尺寸的。如果用可视化来看,Kernel正是一个标准的操 作,把原始数据Q映射到不同的数据空间,类似于一个Filter的概念,它会分别提取边缘、纹理等 特征,再做了最后的判断。Kernel 在我的知识中,最早是在 SVM 中开始被使用的。

weixin_44522295的博客 2942

【信息科学与工程学】【数据科学】数据科学领域——第三篇 数学08 几何学00总篇

编号英文名称中文名称简要说明/归属1Foundations of Geometry几何基础公理化方法, Hilbert《几何基础》2Euclidean Geometry (Synthetic)欧几里得几何(综合法)《几何原本》传统3Analytic Geometry解析几何坐标方法, Descartes, Fermat4Plane Geometry平面几何三角形、圆、共点共线等经典问题5Solid Geometry立体几何三维空间中的图形与度量6Non-Euclidean Geometry非欧几何平行公设不

weixin_49199313的博客 220

原码、补码和反码

在计算机里如何表示整数?整数有无穷多个,在计算机里,通常我们只能表示出其中的一部分。假如我们用 n 个比特来表示一个整数。1 个比特有 2 个状态,n 个比特就有 2^n 个状态,把这 2^n 个状态的集合记为A. 显然,用 A,我们可以与 n 个整数建立起一一对应。我们还希望 A所表示的整数能够象整数那样地运算---整数,象整数那样运算,这是不是一句废话?

linux收集 608

【信息科学与工程学】【数据中心】 第十一篇 人工智能智算中心整体设计102 第一章:集合、测度与概率空间——智算云数据中心的数学基石 01

定义 1.4.1(测度)​设 Ω 是一个集合,F 是 Ω 上的 σ-代数。映射 μ:F→[0,∞] 称为测度非负性:对任意 A∈F,μ(A)≥0;空集为零:μ(∅)=0;可数可加性:对于一列两两不相交的集合 {Ai​}⊂F,有智算云映射计数测度(Counting Measure):μ(A)=∣A∣。用于统计活跃连接数、队列长度。Lebesgue 测度:用于度量连续资源,如“带宽占用区间 [t1​,t2​] 的长度”。资源容量测度。

weixin_49199313的博客 30

代数 【美】 Micheal Artin 第二版

代数 第二版 [美] Micheal Artin 著;郭晋云 译。 高清带全书签版

拓扑学上同调理论构造模板:链复形与导出函子方法

上同调理论是代数拓扑的核心概念,通过研究拓扑空间的不变量来刻画其几何性质。其基本原理建立在链复形框架上,通过边界算子的核与像的商群定义同调群。这种构造方法的技术价值在于提供了系统化的数学工具,能够将几何问题转化为代数计算。在实际应用中,上同调理论广泛应用于流形分类、奇点分析和物理场论等领域。本文基于链复形和正合序列的通用模板,详细阐述了如何通过导出函子方法构造新的上同调理论,特别介绍了Čech上同调和层上同调的具体实现步骤,为拓扑学研究提供了可操作的技术路线。

diandingyin9417的博客 398

FPGA之全数字锁相环(DPLL)

1. 数字锁相环的基本原理和组成 1.1 锁相环(PLL)的简介 锁相环最开始并不是用在数字电路中,而是模拟短路中。对于模拟电路中的锁相环,大家可以参考这篇文章稍微看一下,数字和模拟只是实现的方法不同,但是原理、步骤还是共同的。关于模拟PLL。可以参考一片文章: http://www.sohu.com/a/190569594_464086 首先在学习数字锁相环之前,我们应该先了解什么是锁相环?锁相...

DBLLLLLLLL的博客 5万+

数学文献阅读IDE:像调试代码一样验证定理

数学文献管理正从静态阅读迈向可执行语义分析。传统PDF阅读器仅呈现排版结果,而现代工具需支持结构化解析、跨文档依赖追踪与前提条件验证——这本质上是将数学断言建模为可计算的逻辑单元。基于LaTeX源码的确定性解析引擎(如LSP)能精准锚定引理、证明与公式节点;数学语义图谱(MSG)则构建命题间假设-结论关系,实现版本感知的兼容性检查;交互式验证沙箱(IVS)进一步提供符号计算、数值反例与逻辑推演三类轻量验证能力。这些能力共同支撑起‘开源阅读IDE’的核心价值:让文献消费过程具备可复现性、可协作性与可调试性,尤

weixin_33860528的博客 339

K210视觉项目上位机避坑指南:解决C#解析ESP8266 TCP图像流的乱码、卡顿与连接中断

本文详细解析了K210与ESP8266在视觉项目中的上位机开发问题,重点解决TCP图像流解析中的乱码、卡顿与连接中断问题。通过自定义协议、JPEG流重组、TCP连接优化等实战技巧,提升系统稳定性和性能,适用于嵌入式视觉开发者和C#上位机程序员。

weixin_28730131的博客 402

SNN系列|编码篇(2)时序编码

Tempotral Coding 选择编码方法是要根据编码对象以及模型如何处理编码信息进行选择,如下是一种时序信息的编码对比: Threshold-based encoding 又称为tempotral contrast,该方法可以用于编解码一段序列,当差值超过阈值时发放脉冲,阈值是根据编码的序列自适应变化的。 使用该编码方法时,实值序列最好是沿时间变化的,因为在根据差分决定是否发放脉冲后,脉冲的顺序与差分顺序有关。 Time-to-first spike coding 该编码方法将信息用神经元首次

Tianlong Lee的博客 1万+
上一篇: 代数——第2章——群(Michael Artin)
下一篇: 数学术语之源——代数——纤维(fiber)
ComputerInBook
博客等级 码龄19年 1168粉丝 465原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值