实体
Ripser
Ripser
PulseAugur coverage of Ripser — every cluster mentioning Ripser across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
量子方法检测金融压力，但难以泛化危机
研究人员开发了一种新颖的量子拓扑数据分析方法来检测金融压力状态。该方法将贝蒂数估计重新构建为一种深度高效的变分优化，将单纯形索引编码到更少数量的量子比特中。虽然该方法在准确恢复市场数据和实现0.818的ROC AUC用于状态内分类方面显示出潜力，但它在分布外评估方面遇到困难，特别是在COVID-19冲击和利率周期期间，这表明其在不同危机类型之间泛化能力有限。
-
新工具包统一连续吸引神经网络研究
研究人员开发了 CANNs，一个全面的开源工具包，旨在统一连续吸引神经网络 (CANNs) 的研究工作流程。该工具包集成了用于构建各种 CANN 模型的 Python 库、用于性能加速的 Rust 后端以及用于检测神经记录中吸引子签名的分析器管道。目标是通过提供标准化工具和可复现的管道来解决 CANN 研究中的碎片化问题。
-
新的拓扑方法为机器学习提供计算优势
研究人员引入了从非约简边界矩阵生成拓扑特征向量的方法，这些方法可用于机器学习管道。这些方法使用修改版的Ripser实现，在某些任务上显示出与使用完全约简图的管道相匹配甚至超越其性能的潜力。计算优势包括显著降低的内存需求和更快的处理时间，这表明了一种更高效的基于拓扑的机器学习方法。