本文基于拓扑数据分析 (Topological Data Analysis,TDA) 技术提出了两种半监督学习方法,一种基于骨架結构和水斗距离,另一种考虑数据的连通性, 并将其应用于三个综合数据集和七个各色各样的结构体和图像数据集,实验结果表明,这些半监督方法能够有效地提高数据分类准确性达到 16%。
May, 2022
通过离散拓扑学和微分几何的概念,我们提出了一种从复杂点云中提取节点级拓扑特征的新方法,并验证了这些拓扑点特征在合成和真实数据上的有效性以及其对噪声的鲁棒性。
Jun, 2024
通过使用形式上标记的嵌入的形状之间的距离矩阵,利用持久同调的概念,对 81 种印欧语言进行语言进化树的重建。
Mar, 2024
本文综述了拓扑数据分析中用于数据结构发现的聚类、流形估计、非线性降维、模式估计、脊估计和持久同调等方法。
Sep, 2016
使用代数拓扑的方法(TDA)来分析和侦测复杂的恶意软件模式,发现 TDA Mapper (结合 PCA) 在聚类和发现隐藏的恶意软件集群方面比 PCA 更好,持久图用于识别重叠的恶意软件集群。可以使用随机森林和决策树,以及 t-SNE 和持久图来应对噪声数据,提高恶意软件检测的性能和鲁棒性。
Nov, 2022
本论文介绍了一种利用拓扑数据分析法(TDA)分析语音的新方法,通过引入一系列从 Transformer 注意力映射和嵌入中得出的拓扑和代数特征,展示了建立在这些特征之上的简单线性分类器优于微调分类头的表现,并展示了拓扑特征能够揭示语音 Transformer 头的功能角色。
本文综述了拓扑深度学习领域,回顾了拓扑数据分析的核心概念,探讨了如何将 TDA 技术融入到不同方面的深度学习中,并讨论了拓扑深度学习的挑战和未来前景。
Feb, 2023
本研究使用主题模型的形式设计了一种词义消歧系统,使其在上下文单词数线性增长的情况下扩展,该方法在 5 个英语全单词 WSD 数据集上进行的评估表明,其性能优于这一领域的当前最先进无监督知识为基础的 WSD 系统。
Jan, 2018
使用拓扑数据分析和谱嵌入方法进行 Windows 日志中的异常检测,这种方法可以比标准的事件计数嵌入方法更好地分类异常日志,并在可能成为异常检测可解释框架的方法方面讨论了其潜在应用。
Apr, 2022
本文提出了一种新颖的输入层技术,可以输入拓扑特征的签名到深度神经网络,并在训练过程中学习任务最优的表示方法,分类实验结果表明此技术的多功能性和优越性。
Jul, 2017