Persistence diagrams of cortical surface data.
PulseAugur coverage of Persistence diagrams of cortical surface data. — every cluster mentioning Persistence diagrams of cortical surface data. across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的持久性球体方法增强了拓扑机器学习
研究人员推出了一种名为“持久性球体”的增强方法，用于在拓扑机器学习中表示度量（包括持久性图）。这种新方法提供了双连续线性表示，在 1-Wasserstein 偏最优传输距离下是稳定的。该方法根植于凸几何，并改进了之前的定义，以更好地与偏最优传输机制对齐，通过带符号对角线增强进行编码。更新后的持久性球体在涉及函数数据、时间序列和点云的各种机器学习任务中，展示了具有竞争力的性能和优于现有方法的改进。
-
新的Voronoi直方图方法增强了拓扑数据分析
研究人员引入了一种使用Voronoi直方图对预期持久性图（EPDs）进行向量化的新颖方法。该方法旨在提高从点云数据计算拓扑特征的效率，目前该效率受到高时间复杂度的阻碍。与依赖高斯函数或景观函数等预定义变换的先前方法不同，所提出的Voronoi直方图技术使用自适应分区进行计数。该研究建立了稳定性边界，并证明了该表示在分类和降维的真实世界数据集上的有效性。
-
TopoFisher 通过最大化费舍尔信息学习拓扑摘要
研究人员开发了 TopoFisher，这是一种新颖的可微分管道，通过最大化费舍尔信息来学习拓扑摘要。该方法在不需要后验样本或监督目标的情况下，优化了可训练的过滤、向量化和压缩器，同时保持了拓扑归纳偏差。实验表明，在弱引力透镜等复杂推理问题中，TopoFisher 的性能优于固定的拓扑向量化方法，并且比最先进的宇宙学摘要具有更高的费舍尔信息，而使用的参数却显著减少。