論文の概要: Sketching Merge Trees

• arxiv url: http://arxiv.org/abs/2101.03196v1
• Date: Fri, 8 Jan 2021 19:38:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 04:58:30.740319
• Title: Sketching Merge Trees
• Title（参考訳）: マージツリーのスケッチ
• Authors: Mingzhe Li, Sourabh Palande, Bei Wang
• Abstract要約: 我々はマージツリーのセットをスケッチするフレームワークを開発した。 我々は,科学的シミュレーションにおけるデータアンサンブルから生じるマージツリーのスケッチに,我々のフレームワークの応用を実証する。
• 参考スコア（独自算出の注目度）: 3.1205420346205144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Merge trees are a type of topological descriptors that record the connectivity among the sublevel sets of scalar fields. In this paper, we are interested in sketching a set of merge trees. That is, given a set T of merge trees, we would like to find a basis set S such that each tree in T can be approximately reconstructed from a linear combination of merge trees in S. A set of high-dimensional vectors can be sketched via matrix sketching techniques such as principal component analysis and column subset selection. However, up until now, topological descriptors such as merge trees have not been known to be sketchable. We develop a framework for sketching a set of merge trees that combines the Gromov-Wasserstein framework of Chowdhury and Needham with techniques from matrix sketching. We demonstrate the applications of our framework in sketching merge trees that arise from data ensembles in scientific simulations.
• Abstract（参考訳）: マージツリーは、スカラーフィールドの下位レベルセット間の接続を記録するトポロジカルディスクリプタの一種である。 本稿では,マージ木の集合をスケッチすることに興味を持つ。 すなわち、マージツリーの集合 t が与えられたとき、t 内の各木を s 内のマージツリーの線形結合から概ね再構成できる基底集合 s を見出すことができる。 しかし、これまでマージツリーのような位相ディスクリプタはスケッチ可能であることが分かっていない。 我々は chowdhury と needham の gromov-wasserstein のフレームワークと行列のスケッチ技術を組み合わせたマージツリーのセットをスケッチするフレームワークを開発した。 我々は,科学的シミュレーションにおけるデータアンサンブルから生じるマージツリーのスケッチに,我々のフレームワークの応用を実証する。

関連論文リスト

• TreeFormer: a Semi-Supervised Transformer-based Framework for Tree Counting from a Single High Resolution Image [6.789370732159176]
  単一空中・衛星画像を用いた木密度推定と推定は,光度測定とリモートセンシングにおいて難しい課題である。 リモートセンシング画像に対する高価なツリーアノテーションを低減させる,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。 我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
  論文  参考訳（メタデータ） (2023-07-12T12:19:36Z)
• Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
  本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。 クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。 このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
  論文  参考訳（メタデータ） (2023-05-24T11:05:12Z)
• Occlusion Reasoning for Skeleton Extraction of Self-Occluded Tree Canopies [5.368313160283353]
  ツリースケルトンは、トポロジカル構造をコンパクトに記述し、有用な情報を含む。 本手法では, 可視幹, 枝, かつらを検出するために, インスタンスセグメンテーションネットワークを用いる。 本手法は,高度に隠蔽されたシーンにおいて,ベースライン法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-01-20T01:46:07Z)
• Structure-Unified M-Tree Coding Solver for MathWord Problem [57.825176412485504]
  従来,数式表現の2次木構造を考慮に入れたモデルでは,性能が向上した。 本稿では、出力構造を統一するために、任意のM枝(M-tree)を持つ木を適用した構造統一M-Tree符号化(S-UMCr)を提案する。 広く使われているMAWPSとMath23Kデータセットの実験結果は、SUMC-rが複数の最先端モデルを上回るだけでなく、低リソース条件下でもはるかに優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2022-10-22T12:20:36Z)
• Abstracting Sketches through Simple Primitives [53.04827416243121]
  人間は、オブジェクト情報を素早く通信する必要があるゲームにおいて、高いレベルの抽象化能力を示す。 本稿では,プリミティブをベースとしたスケッチ抽象化タスクを提案する。 我々のPrimitive-Matching Network(PMN)は、スケッチの解釈可能な抽象化を自己管理的に学習する。
  論文  参考訳（メタデータ） (2022-07-27T14:32:39Z)
• Some theoretical results on discrete contour trees [3.1963310035729657]
  我々は、スカラーグラフ上にアイソツリーと呼ばれる離散輪郭木を定義する。 アイソツリーモデルがすべての次元のデータに対して有効であることを示し、離散輪郭構造を定式化する公理系を開発する。
  論文  参考訳（メタデータ） (2022-06-24T07:31:11Z)
• Latent Tree Decomposition Parsers for AMR-to-Text Generation [12.342043849587613]
  エッジを階層にクラスタリングすることで、ツリー分解はグラフ構造を要約する。 我々のモデルは木分解の森を符号化し、期待された木を抽出する。 分子特性予測のための畳み込み基底線を1.92%のROC-AUCで上回る。
  論文  参考訳（メタデータ） (2021-08-27T14:30:35Z)
• Compositional Sketch Search [91.84489055347585]
  フリーハンドスケッチを用いて画像コレクションを検索するアルゴリズムを提案する。 シーン構成全体を特定するための簡潔で直感的な表現として描画を利用する。
  論文  参考訳（メタデータ） (2021-06-15T09:38:09Z)
• Spectral Top-Down Recovery of Latent Tree Models [13.681975313065477]
  スペクトルトップダウン・リカバリ (STDR) は、大きな潜在木モデルを推定するための分割・コンカレントアプローチである。 STDRの分割ステップは非ランダムです。 代わりに、観測されたノードに関連する適切なラプラシア行列のFiedlerベクトルに基づいている。 私達はSTDRが統計的に一貫性があることを証明し、高い確率で木を正確に回復するために必要なサンプルの数を縛ります。
  論文  参考訳（メタデータ） (2021-02-26T02:47:42Z)
• Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
  本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。 次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
  論文  参考訳（メタデータ） (2021-02-11T08:48:48Z)
• SGA: A Robust Algorithm for Partial Recovery of Tree-Structured Graphical Models with Noisy Samples [75.32013242448151]
  ノードからの観測が独立しているが非識別的に分散ノイズによって破損した場合、Ising Treeモデルの学習を検討する。 Katiyarら。 (2020) は, 正確な木構造は復元できないが, 部分木構造を復元できることを示した。 統計的に堅牢な部分木回復アルゴリズムであるSymmetrized Geometric Averaging(SGA)を提案する。
  論文  参考訳（メタデータ） (2021-01-22T01:57:35Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。