論文の概要: Continuous Edit Distance, Geodesics and Barycenters of Time-varying Persistence Diagrams

• arxiv url: http://arxiv.org/abs/2512.12939v1
• Date: Mon, 15 Dec 2025 02:57:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.515031
• Title: Continuous Edit Distance, Geodesics and Barycenters of Time-varying Persistence Diagrams
• Title（参考訳）: 時間変動パーシステンス図の連続編集距離, 測地線, バリセンタ
• Authors: Sebastien Tchitchek, Mohamed Kissi, Julien Tierny,
• Abstract要約: 連続編集距離 (Continuous Edit Distance, CED) は、時間変化持続図(TVPD)のための測地線および弾性距離である。 我々は,CEDフレシェエネルギーを単調に減少させる2つの実用的なバリセンターソルバ,Onetien と one greedy を提示する。 実生活データセットでは、CEDは標準の弾性差に匹敵するクラスタリング性能を達成する一方、CED-barycentersに基づくクラスタリングは優れた分類結果が得られる。
• 参考スコア（独自算出の注目度）: 7.69914856167869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the Continuous Edit Distance (CED), a geodesic and elastic distance for time-varying persistence diagrams (TVPDs). The CED extends edit-distance ideas to TVPDs by combining local substitution costs with penalized deletions/insertions, controlled by two parameters: \(α\) (trade-off between temporal misalignment and diagram discrepancy) and \(β\) (gap penalty). We also provide an explicit construction of CED-geodesics. Building on these ingredients, we present two practical barycenter solvers, one stochastic and one greedy, that monotonically decrease the CED Frechet energy. Empirically, the CED is robust to additive perturbations (both temporal and spatial), recovers temporal shifts, and supports temporal pattern search. On real-life datasets, the CED achieves clustering performance comparable or better than standard elastic dissimilarities, while our clustering based on CED-barycenters yields superior classification results. Overall, the CED equips TVPD analysis with a principled distance, interpretable geodesics, and practical barycenters, enabling alignment, comparison, averaging, and clustering directly in the space of TVPDs. A C++ implementation is provided for reproducibility at the following address https://github.com/sebastien-tchitchek/ContinuousEditDistance.
• Abstract（参考訳）: 連続編集距離 (Continuous Edit Distance, CED) は, 時間変化の持続性図 (TVPD) のための測地線および弾性距離である。 CEDは、編集距離のアイデアをTVPDに拡張し、局所置換コストとペナル化削除/慣例を組み合わせることで、2つのパラメータによって制御される: \(α\) (時間的不一致と図形の不一致の間のトレードオフ)と \(β\) (ギャップペナルティ)。 また, CED-geodesics の明示的な構成も提供する。 これらの材料をベースとして,CEDフレシェのエネルギーを単調に減少させる2つの実用的なバリセンターソルバ(確率的1つと欲求的1つ)を提示する。 経験的には、CEDは加法摂動(時間的および空間的)に対して堅牢であり、時間的シフトを回復し、時間的パターン探索をサポートする。 実生活データセットでは、CEDは標準の弾性差に匹敵するクラスタリング性能を達成する一方、CED-barycentersに基づくクラスタリングは優れた分類結果が得られる。 全体として、CEDはTVPD分析に原則的距離、解釈可能な測地線、実践的なバリセンターを装備し、TVPDの空間内でのアライメント、比較、平均化、およびクラスタリングを可能にする。 C++の実装は、以下のアドレス https://github.com/sebastien-tchitchek/ContinuousEditDistanceで再現可能である。

関連論文リスト

• TaCo: Capturing Spatio-Temporal Semantic Consistency in Remote Sensing Change Detection [54.22717266034045]
  Ta-Coは時間的意味遷移のための一貫したセマンティックネットワークである。 我々は,Ta-Coがリモートセンシング検出タスクにおいて一貫したSOTA性能を実現することを示す。 この設計は推論中に余分な計算オーバーヘッドを伴わずにかなりの利得を得ることができる。
  論文  参考訳（メタデータ） (2025-11-25T13:44:29Z)
• Diffeomorphic Temporal Alignment Nets for Time-series Joint Alignment and Averaging [8.14908648005543]
  時系列分析では、非線形時間的不整合は、森林労働者がより単純な平均化を行うための重要な課題である。 DTANは入力依存の方法で微分同相変換を予測し、適用することにより、時系列アンサンブルのジョイントアライメント(JA)と平均化を容易にする。 我々は、マルチタスク学習(MT-DTAN)を組み込むためにフレームワークを拡張し、同時調整と分類を可能にした。
  論文  参考訳（メタデータ） (2025-02-10T15:55:08Z)
• Unsupervised Distance Metric Learning for Anomaly Detection Over Multivariate Time Series [0.0]
  時系列上の異常検出のための教師なし距離メトリック学習法であるFCM-wDTWを提案する。 FCM-wDTWは生データを潜在空間にエンコードし、クラスタセンターを通して通常の次元関係を明らかにする。 11種類のベンチマークによる実験は、我々の手法の競合精度と効率を実証している。
  論文  参考訳（メタデータ） (2024-03-04T09:55:16Z)
• Efficient local linearity regularization to overcome catastrophic overfitting [59.463867084204566]
  単段階逆行訓練におけるカタストロフィックオーバーフィッティング(CO)は、逆行性テスト精度(最大0%まで)の急激な低下をもたらす。 我々は,従来のAT評価においてCOを効果的かつ効率的に緩和するために,ELLEと呼ばれる正規化項を導入する。
  論文  参考訳（メタデータ） (2024-01-21T22:55:26Z)
• Spatiotemporal Regularized Tucker Decomposition Approach for Traffic Data Imputation [0.0]
  インテリジェントトランスポートシステムでは、部分的に観測されたデータから欠落した値を推定するトラフィックデータ計算が避けられない課題である。 これまでの研究は、交通データの多次元性と相関性を十分に考慮していなかったが、特に高レベルの欠落シナリオにおいて、データの回復には不可欠である。
  論文  参考訳（メタデータ） (2023-05-11T04:42:35Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• iDARTS: Improving DARTS by Node Normalization and Decorrelation Discretization [51.489024258966886]
  微分可能なArchiTecture Search(DARTS)は、ネットワーク表現の継続的緩和を使用し、GPUデーにおいて、ニューラルネットワークサーチ(NAS)を約数千倍高速化する。 しかし、DARTSの探索過程は不安定であり、訓練の時期が大きくなると著しく劣化する。 そこで本研究では,DARTSの改良版であるiDARTSを提案する。
  論文  参考訳（メタデータ） (2021-08-25T02:23:30Z)
• (k, l)-Medians Clustering of Trajectories Using Continuous Dynamic Time Warping [57.316437798033974]
  本研究では,トラジェクトリの集中型クラスタリングの問題について考察する。 我々はDTWの連続バージョンを距離測定として使用することを提案し、これをCDTW(Continuous dynamic time warping)と呼ぶ。 一連の軌道から中心を計算し、その後反復的に改善する実践的な方法を示す。
  論文  参考訳（メタデータ） (2020-12-01T13:17:27Z)
• Sparse Dynamic Distribution Decomposition: Efficient Integration of Trajectory and Snapshot Time Series Data [2.3977391435533373]
  動的分散分解(DDD)はTaylor-Kingらによって導入された。 私たちは、DDDが軌道上の時系列(後続の時間ポイント間でペアリングされる)とスナップショットの時系列(未ペアリング時間ポイント)の両方を統合するのにどのように適しているかを示します。 特にバイオメディカルデータの分析には,一定時間地点(スナップショット)で個体群を観察し,フォローアップを繰り返した個々の患者旅行(軌跡)を観察する手法が有用である。
  論文  参考訳（メタデータ） (2020-06-09T09:28:52Z)

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。

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。