論文の概要: Aztec curve: proposal for a new space-filling curve
- arxiv url: http://arxiv.org/abs/2207.14345v1
- Date: Thu, 28 Jul 2022 18:52:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 13:24:54.666060
- Title: Aztec curve: proposal for a new space-filling curve
- Title(参考訳): aztec曲線:新しい空間充填曲線の提案
- Authors: Diego Ayala, Daniel Durini, Jose Rangel-Magdaleno
- Abstract要約: 本稿では,ヒルベルト曲線に類似した特徴を持つアステカ曲線について述べる。
これはヒルベルト曲線やペアノ曲線では利用できない二次元クラスターを作る可能性をもたらす。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Different space-filling curves (SFCs) are briefly reviewed in this paper, and
a new one is proposed. A century has passed between the inception of this kind
of curves, since then they have been found useful in computer science,
particularly in data storage and indexing due to their clustering properties,
being Hilbert curve the most well-known member of the family of fractals. The
proposed Aztec curve, with similar characteristics to the Hilbert's curve, is
introduced in this paper, accompanied by a grammatical description for its
construction. It yields the possibility of creating bi-dimensional clusters,
not available for Hilbert nor Peano curves. Additional to this, a case of
application on the scope of Compressed Sensing is implemented, in which the use
of Hilbert curve is contrasted with Aztec curve, having a similar performance,
and positioning the Aztec curve as viable and a new alternative for future
exploitation on applications that make use of SFC's.
- Abstract(参考訳): 本稿では, 異なる空間充填曲線(sfc)について概説し, 新しい曲線を提案する。
この種の曲線の誕生から1世紀が経ち、その後は計算機科学、特にクラスタリングの性質からデータ保存やインデックス作成において有用であることが判明し、ヒルベルト曲線はフラクタル科の最もよく知られた要素である。
ヒルベルト曲線と類似した特徴を持つアステカ曲線は、その構成に関する文法的記述とともに、本論文で紹介されている。
これはヒルベルト曲線やペアノ曲線では利用できない二次元クラスターを作る可能性をもたらす。
これに加えて、圧縮センシング(Compressed Sensing)のスコープにおける応用事例として、ヒルベルト曲線とアステカ曲線との対比を行い、同様の性能を持ち、アステカ曲線を実行可能なものとして位置づけ、将来のSFCを利用したアプリケーションに対する新たな利用法である。
関連論文リスト
- 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) - A Self-supervised Riemannian GNN with Time Varying Curvature for
Temporal Graph Learning [79.20249985327007]
自己教師型リーマングラフニューラルネットワーク(SelfRGNN)を提案する。
具体的には、理論的に基底化された時間符号化を持つ曲率変化GNNを設計し、時間とともに関数的曲率を定式化し、正、零、負の曲率空間間の進化シフトをモデル化する。
大規模な実験は、自己RGNNの優越性を示し、また、ケーススタディでは、リアルタイムグラフの時変曲率を示している。
論文 参考訳(メタデータ) (2022-08-30T08:43:06Z) - Hilbert Flattening: a Locality-Preserving Matrix Unfolding Method for
Visual Discrimination [51.432453379052724]
平坦な行列の局所性を維持する革新的な方法としてヒルベルト曲線平坦化を提案する。
また、トークンサンプリングとトークンアグリゲータを組み込んだ視覚変換器アーキテクチャであるLocalformerを導入し、その局所性バイアスを高める。
論文 参考訳(メタデータ) (2022-02-21T13:53:04Z) - LTB curves with Lipschitz turn are par-regular [0.0]
本報告では、局所的な旋回有界曲線のクラス内の部分正則曲線のクラスを定義する。
逆アサーション(英語版)を証明し、リプシッツ回転を持つ局所回転有界曲線は部分正則である。
論文 参考訳(メタデータ) (2021-12-15T10:10:07Z) - Curvature Regularization to Prevent Distortion in Graph Embedding [15.383135890096462]
我々は近接保存戦略に関して重要だが無視された問題について議論する。
グラフ位相パターンは埋め込み多様体によく保存されているが、周囲の埋め込みユークリッド空間で歪むことがある。
ABS曲率(ABS曲率)と呼ばれる新しい角度に基づく断面曲率を示し,それに応じて3種類の曲率正則化を行う。
論文 参考訳(メタデータ) (2020-11-28T20:16:24Z) - Tight Second-Order Certificates for Randomized Smoothing [106.06908242424481]
また、ガウス的ランダムな滑らか化のための普遍曲率的境界が存在することを示す。
この新たな証明書の正確性を証明することに加えて、SoS証明書は実現可能であり、したがって厳密であることを示す。
論文 参考訳(メタデータ) (2020-10-20T18:03:45Z) - Ultrahyperbolic Representation Learning [13.828165530602224]
機械学習では、データは通常、点間の距離が直線に沿っているユークリッド空間で表現される。
定数非零曲率の擬リーマン多様体上に存在する表現を提案する。
この幾何学において必要な学習ツールを提供し、勾配に基づく最適化手法を拡張した。
論文 参考訳(メタデータ) (2020-07-01T03:49:24Z) - Spherical Principal Curves [16.095213132052987]
連続曲線へのデータの投影により球面上の主曲線を構成する新しい手法を提案する。
我々のアプローチは、ユークリッド空間データに対する主曲線を提案したHastie and Stuetzle (1989) と同じ直線にある。
論文 参考訳(メタデータ) (2020-03-05T12:50:51Z) - Differentiating through the Fr\'echet Mean [51.32291896926807]
フレット平均(Fr'echet mean)はユークリッド平均の一般化である。
任意のリーマン多様体に対して Fr'echet 平均を微分する方法を示す。
これにより、Fr'echet平均を双曲型ニューラルネットワークパイプラインに完全に統合する。
論文 参考訳(メタデータ) (2020-02-29T19:49:38Z) - Computationally Tractable Riemannian Manifolds for Graph Embeddings [10.420394952839242]
我々は、ある曲面リーマン空間におけるグラフ埋め込みを学習し、最適化する方法を示す。
我々の結果は、機械学習パイプラインにおける非ユークリッド埋め込みの利点の新たな証拠として役立ちます。
論文 参考訳(メタデータ) (2020-02-20T10:55:47Z)
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。