論文の概要: Vector Summaries of Persistence Diagrams for Permutation-based
Hypothesis Testing
- arxiv url: http://arxiv.org/abs/2306.06257v1
- Date: Fri, 9 Jun 2023 21:01:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 20:13:33.818445
- Title: Vector Summaries of Persistence Diagrams for Permutation-based
Hypothesis Testing
- Title(参考訳): 置換に基づく仮説テストのための永続図のベクトルサマリ
- Authors: Umar Islambekov, Hasani Pathirana
- Abstract要約: 積分に基づくベッチ関数の代替ベクトル化法を導入し,安定性の証明を行う。
実験のパワーを高めるために,グループラベルの新しいシャッフル手法を提案する。
- 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: Over the past decade, the techniques of topological data analysis (TDA) have
grown into prominence to describe the shape of data. In recent years, there has
been increasing interest in developing statistical methods and in particular
hypothesis testing procedures for TDA. Under the statistical perspective,
persistence diagrams -- the central multi-scale topological descriptors of data
provided by TDA -- are viewed as random observations sampled from some
population or process. In this context, one of the earliest works on hypothesis
testing focuses on the two-group permutation-based approach where the
associated loss function is defined in terms of within-group pairwise
bottleneck or Wasserstein distances between persistence diagrams (Robinson and
Turner, 2017). However, in situations where persistence diagrams are large in
size and number, the permutation test in question gets computationally more
costly to apply. To address this limitation, we instead consider pairwise
distances between vectorized functional summaries of persistence diagrams for
the loss function. In the present work, we explore the utility of the Betti
function in this regard, which is one of the simplest function summaries of
persistence diagrams. We introduce an alternative vectorization method for the
Betti function based on integration and prove stability results with respect to
the Wasserstein distance. Moreover, we propose a new shuffling technique of
group labels to increase the power of the test. Through several experimental
studies, on both synthetic and real data, we show that the vectorized Betti
function leads to competitive results compared to the baseline method involving
the Wasserstein distances for the permutation test.
- Abstract(参考訳): 過去10年にわたり、トポロジカルデータ分析(tda)の技術は、データの形状を記述するために普及してきた。
近年,統計手法の開発,特にTDAの仮説検証への関心が高まっている。
統計的な観点では、TDAが提供するデータの中心的なマルチスケールトポロジカル記述子である永続化図は、一部の人口やプロセスからサンプルされたランダムな観察と見なされる。
この文脈において、仮説テストに関する初期の研究の1つは、2-group permutation-basedアプローチに焦点をあて、関連する損失関数はパーシステンスダイアグラム(robinson and turner, 2017)間のグループ内ペアワイズボトルネックまたはwasserstein距離によって定義される。
しかし、永続図のサイズと数が大きい状況では、問題となる置換テストの方が計算コストが高くなる。
この制限に対処するために、損失関数に対する永続化図形のベクトル化された機能的要約間のペアワイズ距離を考える。
本研究は,永続図形の最も単純な関数要約の一つであるベティ関数の有用性について考察する。
本稿では,積分に基づくベッチ関数の代替ベクトル化法を提案し,ワッサーシュタイン距離に対する安定性を証明した。
さらに,テストのパワーを高めるため,グループラベルの新しいシャッフル手法を提案する。
合成データと実データの両方について、いくつかの実験を通して、ベクトル化されたベッチ関数は、置換テストのためのワッサースタイン距離を含むベースライン法と比較して競合結果をもたらすことを示した。
関連論文リスト
- Testing Dependency of Weighted Random Graphs [4.0554893636822]
本研究では,2つのランダムグラフ間のエッジ依存性を検出するタスクについて検討する。
一般のエッジウェイト分布に対して、最適テストが情報理論上可能か不可能となるしきい値を確立する。
論文 参考訳(メタデータ) (2024-09-23T10:07:41Z) - Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。
統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文 参考訳(メタデータ) (2024-08-25T04:07:18Z) - Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。
帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。
本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。
第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
論文 参考訳(メタデータ) (2024-08-03T13:37:40Z) - Amortizing intractable inference in diffusion models for vision, language, and control [89.65631572949702]
本稿では,p(mathbfx)$以前の拡散生成モデルとブラックボックス制約,あるいは関数$r(mathbfx)$からなるモデルにおいて,データ上の後部サンプルである $mathbfxsim prm post(mathbfx)propto p(mathbfx)r(mathbfx)$について検討する。
我々は,データフリー学習目標である相対軌道バランスの正しさを,サンプルから抽出した拡散モデルの訓練のために証明する。
論文 参考訳(メタデータ) (2024-05-31T16:18:46Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Levenshtein Distance Embedding with Poisson Regression for DNA Storage [8.943376293527114]
シークエンス埋め込みは、レヴェンシュテイン距離を埋め込みベクトル間の従来の距離にマッピングする。
本稿では,ポアソン回帰を用いたニューラルネットワークを用いた新しいシーケンス埋め込み手法を提案する。
提案手法の最先端手法と比較して,提案手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-12-13T07:20:27Z) - Low-Rank Covariance Completion for Graph Quilting with Applications to Functional Connectivity [8.500141848121782]
多くのカルシウムイメージングデータセットでは、ニューロンの全個体数は同時に記録されるのではなく、部分的に重なるブロックに記録される。
本稿では、まず、低ランクココンプリートを用いた原子核構造行列を暗示するグラフ量子化法について述べる。
カルシウムイメージングデータから接続性を推定するためのこれらの手法の有効性を示す。
論文 参考訳(メタデータ) (2022-09-17T08:03:46Z) - Robust Topological Inference in the Presence of Outliers [18.6112824677157]
コンパクト集合への距離関数は、位相データ解析のパラダイムにおいて重要な役割を果たす。
ハウスドルフ距離における摂動に対する安定性にもかかわらず、永続ホモロジーは外れ値に対して非常に敏感である。
距離関数(textsfMoM Dist$)の$textitmedian-of-means$変種を提案し、その統計特性を確立する。
論文 参考訳(メタデータ) (2022-06-03T19:45:43Z) - A Probabilistic Graph Coupling View of Dimension Reduction [5.35952718937799]
クロスエントロピーを用いた隠れグラフの結合に基づく統一統計フレームワークを提案する。
既存のペアワイズ類似性DR法は,グラフの事前選択に際し,我々のフレームワークから検索可能であることを示す。
我々のモデルはこの問題に対処するために活用され拡張され、新しいリンクはラプラシア固有写像とPCAで描画される。
論文 参考訳(メタデータ) (2022-01-31T08:21:55Z) - Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。
値ベースの手法では、最適な値関数を正確に表現することが課題となる。
政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。
学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
論文 参考訳(メタデータ) (2021-05-31T23:08:05Z) - Continuous Regularized Wasserstein Barycenters [51.620781112674024]
正規化ワッサーシュタイン・バリセンタ問題に対する新しい双対定式化を導入する。
我々は、強い双対性を確立し、対応する主対関係を用いて、正規化された輸送問題の双対ポテンシャルを用いて暗黙的にバリセンターをパラメトリゼーションする。
論文 参考訳(メタデータ) (2020-08-28T08:28:06Z)
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。