Fugu-MT 論文翻訳(概要): Interpretable Phase Detection and Classification with Persistent Homology

論文の概要: Interpretable Phase Detection and Classification with Persistent Homology

arxiv url: http://arxiv.org/abs/2012.00783v1
Date: Tue, 1 Dec 2020 19:12:35 GMT
ステータス: 処理完了
システム内更新日: 2021-05-30 19:25:47.217640
Title: Interpretable Phase Detection and Classification with Persistent Homology
Title（参考訳）: 永続ホモロジーによる解釈可能な位相検出と分類
Authors: Alex Cole, Gregory J. Loges, Gary Shiu
Abstract要約: 永続化画像は、統計処理を行うためのホモロジーデータの有用な表現を提供する。位相遷移を特定するために、これらの画像上の単純なロジスティック回帰は、我々が考慮するモデルに十分である。相転移の特徴として磁化, フラストレーション, 渦反渦構造が同定された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We apply persistent homology to the task of discovering and characterizing phase transitions, using lattice spin models from statistical physics for working examples. Persistence images provide a useful representation of the homological data for conducting statistical tasks. To identify the phase transitions, a simple logistic regression on these images is sufficient for the models we consider, and interpretable order parameters are then read from the weights of the regression. Magnetization, frustration and vortex-antivortex structure are identified as relevant features for characterizing phase transitions.
Abstract（参考訳）: 統計物理学の格子スピンモデルを用いて、相転移の発見と特徴付けのタスクに永続ホモロジーを適用する。永続画像は、統計処理を行うホモロジーデータの有用な表現を提供する。位相遷移を特定するために、これらの画像に対する単純なロジスティック回帰は、我々が検討するモデルに十分であり、解釈可能な順序パラメータは回帰の重みから読み出される。相転移の特徴として磁化, フラストレーション, 渦反渦構造が同定された。

関連論文リスト

Cascade of phase transitions in the training of Energy-based models [9.945465034701288]
原型エネルギーベース生成モデルBernoulli-Bernoulli RBMの特徴符号化過程について検討した。本研究は、その特異値分解によるモデルの重み行列の進化をトラックする。我々はBernoulli-Bernoulli RBMを実データ集合上でトレーニングすることで理論的結果を検証する。
論文参考訳（メタデータ） (2024-05-23T15:25:56Z)
A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
論文参考訳（メタデータ） (2024-02-26T04:39:01Z)
Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文参考訳（メタデータ） (2022-11-30T05:33:29Z)
Identifying Weight-Variant Latent Causal Models [82.14087963690561]
推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
論文参考訳（メタデータ） (2022-08-30T11:12:59Z)
Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文参考訳（メタデータ） (2022-05-18T17:11:23Z)
Unsupervised Learning of Symmetry Protected Topological Phase Transitions [0.0]
特に, これらの相に付随する相転移が, 1次元の異なるボソニックモデルとフェルミオンモデルで検出可能であることを示す。提案手法は,SPTシステムに関連する位相遷移を検出するための安価な計算手法として機能する。
論文参考訳（メタデータ） (2021-11-16T19:34:16Z)
Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
論文参考訳（メタデータ） (2021-10-07T11:08:11Z)
Quantitative analysis of phase transitions in two-dimensional XY models using persistent homology [0.0]
我々は2次元XYモデルの3つの異なる変種を観測可能なものとして、永続的ホモロジーと永続的画像を用いる。各モデルについて、その相転移を正確に同定し、相関長の臨界温度と臨界指数を正確に決定することができる。
論文参考訳（メタデータ） (2021-09-22T18:24:54Z)
Topographic VAEs learn Equivariant Capsules [84.33745072274942]
本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
論文参考訳（メタデータ） (2021-09-03T09:25:57Z)
Stochastic embeddings of dynamical phenomena through variational autoencoders [1.7205106391379026]
位相空間の再構成において,観測空間の次元性を高めるために認識ネットワークを用いる。我々の検証は、このアプローチが元の状態空間に類似した状態空間を復元するだけでなく、新しい時系列を合成できることを示している。
論文参考訳（メタデータ） (2020-10-13T10:10:24Z)
Topological Persistence Machine of Phase Transitions [7.553620028719304]
トポロジカルデータ分析は、データの形状を特徴付ける新しいフレームワークである。本研究では、状態の相関関係からデータ形状を構築するための一般的なフレームワーク「トポロジカル永続マシン」を提案する。古典的XYモデルにおけるベレジンスキー-コステリッツ-Thouless相転移の検出におけるアプローチの有効性を実証する。
論文参考訳（メタデータ） (2020-04-07T07:31:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。