Fugu-MT 論文翻訳(概要): Quasi Zigzag Persistence: A Topological Framework for Analyzing Time-Varying Data

論文の概要: Quasi Zigzag Persistence: A Topological Framework for Analyzing Time-Varying Data

arxiv url: http://arxiv.org/abs/2502.16049v1
Date: Sat, 22 Feb 2025 02:53:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-25 15:52:08.533839
Title: Quasi Zigzag Persistence: A Topological Framework for Analyzing Time-Varying Data
Title（参考訳）: Quasi Zigzag Persistence - 時間変化データ分析のためのトポロジフレームワーク
Authors: Tamal K. Dey, Shreyas N. Samaga,
Abstract要約: 時間変化データを解析するためのフレームワークとして,Quasi Zigzag Persistent Homology (QZPH)を提案する。静的特徴と動的特徴の両方を異なるスケールでキャプチャする安定な位相不変量を導入する。睡眠ステージ検出などのタスクに適用すると,機械学習モデルが向上することを示す。
参考スコア（独自算出の注目度）: 0.25322020135765466
License:
Abstract: In this paper, we propose Quasi Zigzag Persistent Homology (QZPH) as a framework for analyzing time-varying data by integrating multiparameter persistence and zigzag persistence. To this end, we introduce a stable topological invariant that captures both static and dynamic features at different scales. We present an algorithm to compute this invariant efficiently. We show that it enhances the machine learning models when applied to tasks such as sleep-stage detection, demonstrating its effectiveness in capturing the evolving patterns in time-evolving datasets.
Abstract（参考訳）: 本稿では,マルチパラメータ永続性とジグザグ永続性を統合することで,時間変化データを分析するためのフレームワークとして,Quasi Zigzag Persistent Homology (QZPH)を提案する。この目的のために、静的特徴と動的特徴の両方を異なるスケールでキャプチャする安定な位相不変量を導入する。我々はこの不変量を効率的に計算するアルゴリズムを提案する。本研究では、睡眠ステージ検出などのタスクに適用した場合の機械学習モデルを強化し、時間進化データセットにおける進化パターンのキャプチャーの有効性を示す。

関連論文リスト

Equivariant Spatio-Temporal Attentive Graph Networks to Simulate Physical Dynamics [32.115887916401036]
本研究では,物理系の力学を表現・シミュレートするFourier-temporal GNNの同変版を開発する。分子レベル,タンパク質レベル,マクロレベルに対応する3つの実データセットについて,本モデルの評価を行った。
論文参考訳（メタデータ） (2024-05-21T15:33:21Z)
A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
論文参考訳（メタデータ） (2024-02-26T04:39:01Z)
Latent variable model for high-dimensional point process with structured missingness [4.451479907610764]
縦断データは医療、社会学、地震学など多くの分野で重要である。実世界のデータセットは高次元であり、構造化された欠陥パターンを含み、測定時間ポイントは未知のプロセスによって管理される。これらの制限に対処可能な、柔軟で効率的な潜在変数モデルを提案する。
論文参考訳（メタデータ） (2024-02-08T15:41:48Z)
Neural Continuous-Discrete State Space Models for Irregularly-Sampled Time Series [18.885471782270375]
NCDSSMは補助変数を用いて力学からの認識をアンタングルし、補助変数のみに償却推論を必要とする。本稿では、潜在力学の3つのフレキシブルパラメータ化と、推論中の動的状態の辺りを生かした効率的な学習目標を提案する。複数のベンチマークデータセットの実証結果は、既存のモデルよりもNCDSSMの計算性能と予測性能が改善されたことを示している。
論文参考訳（メタデータ） (2023-01-26T18:45:04Z)
Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
論文参考訳（メタデータ） (2021-10-07T11:08:11Z)
Topographic VAEs learn Equivariant Capsules [84.33745072274942]
本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
論文参考訳（メタデータ） (2021-09-03T09:25:57Z)
Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文参考訳（メタデータ） (2021-02-02T06:15:15Z)
Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文参考訳（メタデータ） (2020-10-08T20:25:52Z)
Variational Hyper RNN for Sequence Modeling [69.0659591456772]
本稿では,時系列データにおける高変数の取得に優れる新しい確率的シーケンスモデルを提案する。提案手法では,時間潜時変数を用いて基礎となるデータパターンに関する情報をキャプチャする。提案手法の有効性を,合成および実世界のシーケンシャルデータに示す。
論文参考訳（メタデータ） (2020-02-24T19:30:32Z)
Variational Conditional Dependence Hidden Markov Models for Skeleton-Based Action Recognition [7.9603223299524535]
本稿では、時間変化の時間依存性パターンをキャプチャする問題に対処するために、従来の逐次モデリング手法を再検討する。我々は、過去のフレームへの依存を動的に推定するHMMの異なる定式化を提案する。フォワード・バックワード・アルゴリズムに基づく抽出可能な推論アルゴリズムを導出する。
論文参考訳（メタデータ） (2020-02-13T23:18:52Z)

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。