Fugu-MT 論文翻訳(概要): Topological data analysis and machine learning

論文の概要: Topological data analysis and machine learning

arxiv url: http://arxiv.org/abs/2206.15075v2
Date: Thu, 4 May 2023 05:54:26 GMT
ステータス: 処理完了
システム内更新日: 2023-05-05 19:48:28.019017
Title: Topological data analysis and machine learning
Title（参考訳）: トポロジカルデータ分析と機械学習
Authors: Daniel Leykam and Dimitris G. Angelakis
Abstract要約: トポロジカル・データ分析(トポロジカル・データ・アナリティクス)とは、複雑なデータセットの抽象的な形状を体系的かつ確実に計算するためのアプローチである。生命科学やデータ科学におけるトポロジカルデータ分析には様々な応用があり、物理学者の間で関心が高まっている。本稿では,物理分野におけるトポロジカルデータ解析の応用と機械学習問題について,簡潔かつ包括的に概観する。
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: Topological data analysis refers to approaches for systematically and reliably computing abstract ``shapes'' of complex data sets. There are various applications of topological data analysis in life and data sciences, with growing interest among physicists. We present a concise yet (we hope) comprehensive review of applications of topological data analysis to physics and machine learning problems in physics including the detection of phase transitions. We finish with a preview of anticipated directions for future research.
Abstract（参考訳）: トポロジカルデータ分析(トポロジカルデータ解析)とは、複雑なデータセットの抽象的な ``shapes'' を体系的かつ確実に計算するためのアプローチである。生命科学やデータ科学におけるトポロジカルデータ分析には様々な応用があり、物理学者の間で関心が高まっている。我々は、位相遷移の検出を含む物理学におけるトポロジカルデータ解析の物理学および機械学習問題への応用について、簡潔かつ包括的なレビューを行う。今後の研究に期待できる方向のプレビューで締めくくります。

関連論文リスト

Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
Machine Learning and Data Analysis Using Posets: A Survey [0.0]
ポセットは、データ分析と機械学習の幅広い応用において、ユビキタスな離散数学的構造である。データサイエンス領域にポーズを接続する研究は、長年にわたって続けられてきた。
論文参考訳（メタデータ） (2024-04-03T21:47:44Z)
Linguistics from a topological viewpoint [2.4238741865874363]
本稿では,南アメリカの言語のトポロジカルな形状を解析するためのワークフローについて述べる。その結果、データの明確な可視化は困難である。
論文参考訳（メタデータ） (2024-03-16T23:10:42Z)
Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
論文参考訳（メタデータ） (2023-10-10T13:23:05Z)
An analysis of Universal Differential Equations for data-driven discovery of Ordinary Differential Equations [7.48176340790825]
我々は、普通微分方程式(ODE)発見の文脈で、UDEフレームワークをテストすることで貢献する。データ駆動型アプローチと数値解法を組み合わせる際の問題をいくつか取り上げる。我々は,物理インフォームド・機械学習フレームワークの能力と限界を調査する上で,我々の分析は重要な貢献であると考えている。
論文参考訳（メタデータ） (2023-06-17T12:26:50Z)
Shining light on data: Geometric data analysis through quantum dynamics [14.315501760755604]
データ駆動グラフラプラシアンおよび局所波束によって与えられる量子力学的プロセスへの近似から、データ構造がいかに微細な特徴を抽出できるかを示す。このデータ駆動量子化法は、限られたデータによって誘導されるデータ解析において、新しいが自然な不確実性原理をもたらす。新型コロナウイルス(COVID-19)パンデミックにおける社会的距離と移動行動のパターンや異常の学習など、現実のデータに対するアルゴリズムといくつかの応用について説明する。
論文参考訳（メタデータ） (2022-12-01T17:38:01Z)
Towards a mathematical understanding of learning from few examples with nonlinear feature maps [68.8204255655161]
トレーニングセットがわずか数個のデータポイントから構成されるデータ分類の問題を考える。我々は、AIモデルの特徴空間の幾何学、基礎となるデータ分布の構造、モデルの一般化能力との間の重要な関係を明らかにする。
論文参考訳（メタデータ） (2022-11-07T14:52:58Z)
On topological data analysis for structural dynamics: an introduction to persistent homology [0.0]
トポロジカル・データ分析(トポロジカル・データ・アナリティクス)は、長さのスケールでデータの形状を定量化する手法である。永続ホモロジー(Persistent homology)は、長さのスケールでデータの形状を定量化する手法である。
論文参考訳（メタデータ） (2022-09-12T10:39:38Z)
Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional Analysis and Symbolic Regression [68.8204255655161]
ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
論文参考訳（メタデータ） (2021-12-22T00:52:56Z)
Unsupervised machine learning of topological phase transitions from experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文参考訳（メタデータ） (2021-01-14T16:38:21Z)
Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。