实体
Euler characteristic
Euler characteristic
PulseAugur coverage of Euler characteristic — every cluster mentioning Euler characteristic across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
研究论文引入周期时间序列分析新不变量
本研究论文通过关注与幅度相关的分布——权重的连续性，引入了一种分析周期时间序列数据的新方法。作者提出了源自这些连续性结果的新不变量，并证明这些不变量可以提高机器学习实验的性能。该工作将幅度理论的应用从点云扩展到时间序列分析。
-
新型无网格损失将神经表示拟合速度提高了 250 倍
研究人员为隐式神经表示开发了一种新颖的无网格辅助损失函数，利用源自 Minkowski 函数的过零密度。该方法提供了显著的速度提升，比传统的持久同调损失快约 250 倍。虽然在二维中能有效修复拓扑和保持保真度，但该技术在三维中面临挑战，在三维中，梯度下降可能会掩盖低于采样密度的拓扑噪声，从而影响准确性。
-
机器学习利用物理信息神经网络预测拓扑属性
研究人员开发了一种新颖的机器学习技术，可以从图像中预测拓扑属性，特别是欧拉示性数。该模型从图像生成单位向量场，然后将其解释为自旋构型以计算斯格明子数。这种方法无需大量数据集即可学习构建手性磁性结构，而是依赖于单个几何图像和包含磁相互作用的物理信息损失函数。