論文の概要: Non-Parametric Manifold Learning
- arxiv url: http://arxiv.org/abs/2107.08089v3
- Date: Mon, 15 May 2023 19:04:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 20:24:09.709516
- Title: Non-Parametric Manifold Learning
- Title(参考訳): 非パラメトリックマニフォールド学習
- Authors: Dena Marie Asta
- Abstract要約: ラプラス・ベルトラミ作用素のグラフラプラシアン推定に基づくコンパクトリーマン多様体における距離推定器を導入する。
結果として、(完備でない)多様体距離の整合性の証明となる。
推定器は類似しており、実際に収束特性はコンヌ距離公式として知られるワッサーシュタイン距離のコントロビック双対再構成の特別な場合に由来する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce an estimator for distances in a compact Riemannian manifold
based on graph Laplacian estimates of the Laplace-Beltrami operator. We upper
bound the error in the estimate of manifold distances, or more precisely an
estimate of a spectrally truncated variant of manifold distance of interest in
non-commutative geometry (cf. [Connes and Suijelekom, 2020]), in terms of
spectral errors in the graph Laplacian estimates and, implicitly, several
geometric properties of the manifold. A consequence is a proof of consistency
for (untruncated) manifold distances. The estimator resembles, and in fact its
convergence properties are derived from, a special case of the Kontorovic dual
reformulation of Wasserstein distance known as Connes' Distance Formula.
- Abstract(参考訳): ラプラス・ベルトラミ作用素のグラフラプラシアン推定に基づくコンパクトリーマン多様体における距離推定器を導入する。
我々は、グラフラプラシアン推定におけるスペクトル誤差および暗黙的に、多様体の幾何的性質の観点から、多様体距離の推定誤差、あるいはより正確には非可換幾何学における興味のある多様体距離のスペクトル切断変種の推定(cf. [connes and suijelekom, 2020])を上限する。
その結果は(予想外の)多様体距離に対する一貫性の証明である。
推定器は類似しており、実際に収束特性はコンヌ距離公式として知られるワッサーシュタイン距離のコントロヴィッチ双対再構成の特別な場合に由来する。
関連論文リスト
- Reconstructing the Geometry of Random Geometric Graphs [10.120707777188253]
ランダム幾何学グラフは、距離空間上で定義されたランダムグラフモデルである。
サンプルグラフから基底空間の幾何を効率的に再構成する方法を示す。
論文 参考訳(メタデータ) (2024-02-14T21:34:44Z) - Sampling and estimation on manifolds using the Langevin diffusion [48.898189211250234]
離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。
誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
論文 参考訳(メタデータ) (2023-12-22T18:01:11Z) - The Fisher-Rao geometry of CES distributions [50.50897590847961]
Fisher-Rao情報幾何学は、ツールを微分幾何学から活用することができる。
楕円分布の枠組みにおけるこれらの幾何学的ツールの実用的利用について述べる。
論文 参考訳(メタデータ) (2023-10-02T09:23:32Z) - Curvature-Independent Last-Iterate Convergence for Games on Riemannian
Manifolds [77.4346324549323]
本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。
我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
論文 参考訳(メタデータ) (2023-06-29T01:20:44Z) - Shape And Structure Preserving Differential Privacy [70.08490462870144]
正方形距離関数の勾配がラプラス機構よりも感度をよりよく制御できることを示す。
また,2乗距離関数の勾配を用いることで,ラプラス機構よりも感度を制御できることを示す。
論文 参考訳(メタデータ) (2022-09-21T18:14:38Z) - Tangent Space and Dimension Estimation with the Wasserstein Distance [10.118241139691952]
ユークリッド空間の滑らかなコンパクト部分多様体の近くで独立にサンプリングされた点の集合を考える。
我々は、その多様体の次元と接空間の両方を推定するために必要なサンプル点の数について数学的に厳密な境界を与える。
論文 参考訳(メタデータ) (2021-10-12T21:02:06Z) - A Graph-based approach to derive the geodesic distance on Statistical
manifolds: Application to Multimedia Information Retrieval [5.1388648724853825]
非ユークリッド幾何学の特性を利用して測地線距離を定義する。
グラフに基づく手法により測地線距離を近似する手法を提案する。
我々の主な目的は、グラフベースの近似とアート近似の状態を比べることである。
論文 参考訳(メタデータ) (2021-06-26T16:39:54Z) - Intrinsic persistent homology via density-based metric learning [1.0499611180329804]
サンプルによって定義される計量空間は、サンプルフェルマー距離(英語版)として知られる計算可能な計量で与えられることが証明される。
制限対象は、人口フェルマ距離が与えられた多様体自身であり、多様体の幾何学とサンプルを生成する密度の両方を測る固有の計量である。
論文 参考訳(メタデータ) (2020-12-11T18:54:36Z) - Disentangling by Subspace Diffusion [72.1895236605335]
データ多様体の完全教師なし分解は、多様体の真の計量が知られている場合、可能であることを示す。
我々の研究は、教師なしメートル法学習が可能であるかどうかという問題を減らし、表現学習の幾何学的性質に関する統一的な洞察を提供する。
論文 参考訳(メタデータ) (2020-06-23T13:33:19Z) - On Projection Robust Optimal Transport: Sample Complexity and Model
Misspecification [101.0377583883137]
射影ロバスト(PR)OTは、2つの測度の間のOTコストを最大化するために、射影可能な$k$次元部分空間を選択する。
私たちの最初の貢献は、PRワッサーシュタイン距離のいくつかの基本的な統計的性質を確立することである。
次に、部分空間を最適化するのではなく平均化することにより、PRW距離の代替として積分PRワッサーシュタイン距離(IPRW)を提案する。
論文 参考訳(メタデータ) (2020-06-22T14:35:33Z)
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。