論文の概要: Where Do Two Populations of Persistence Diagrams Differ? Calibrated Local Inference at a Fixed Budget
- arxiv url: http://arxiv.org/abs/2610.08292v1
- Date: Tue, 06 Oct 2026 13:00:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.995311
- Title: Where Do Two Populations of Persistence Diagrams Differ? Calibrated Local Inference at a Fixed Budget
- Title(参考訳): パーシステンス・ダイアグラムの人口はどこで減るか : 固定予算における局所推論の校正
- Abstract要約: パーシステンス・ダイアグラムの集団に対する多くの2サンプル試験は、それらに寄与する生死面の領域を特定することなく、世界的差異を評価する。
利用可能な図の数が固定された場合の局所平均コントラストの同時推定について検討する。
- 参考スコア(独自算出の注目度): 35.18016233072556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many two-sample tests for populations of persistence diagrams assess global differences without identifying the regions of the birth-death plane that contribute to them. We study simultaneous inference for local mean contrasts when the number of available diagrams is fixed. They are differences in expected weighted feature mass within $\ell_\infty$ neighborhoods at several centers and radii. We estimate these contrasts using additive landmark responses. A Gaussian multiplier bootstrap calibrates simultaneous confidence intervals while allowing unequal group covariances. The neighborhoods whose intervals exclude zero form a map with approximate family-wise error control, and selecting a subset of original intervals for display preserves their joint coverage guarantee. On the simultaneous coverage event, every reported neighborhood lies within twice its radius of the support of the mean-measure difference. A geometric result gives sufficient radius conditions for a displaced feature to produce a nonzero contrast. A comparison of sufficient detection thresholds quantifies the tradeoff between reducing the number of tested coordinates and reserving observations for an independent pilot. In simulations with 40 to 120 diagrams per class, the bands achieved 94%-98% simultaneous coverage under both the strict null and equal means with unequal covariances. In the latter setting, a permutation maximum and the pooled-t implementation of the two-stage persistence-image test of Moon and Lazar rejected in up to 32% and 26% of runs, respectively. In the fixed-budget simulations, spending a third of the observations on a pilot to choose landmarks or radii located changes less often than a prespecified grid at a single radius. On the MUTAG benchmark, the localized region concentrates on rings of fused-ring systems, an exploratory reading.
- Abstract(参考訳): パーシステンス・ダイアグラムの集団に対する多くの2サンプル試験は、それらに寄与する生死面の領域を特定することなく、世界的差異を評価する。
利用可能な図の数が固定された場合の局所平均コントラストの同時推定について検討する。
それらは、いくつかのセンターとラジイの$\ell_\infty$地区で期待される重み付けされた特徴量の違いである。
付加的なランドマーク応答を用いてこれらのコントラストを推定する。
ガウス乗算ブートストラップは、不等群共分散を許容しつつ、同時信頼区間を校正する。
ゼロ区間を除外した近傍は、家族回りの誤差制御を近似した地図を形成し、表示のための元の区間のサブセットを選択することで、共同カバレッジを保証する。
同時カバレッジイベントでは、報告された各地区は平均値差の支持の半径の2倍以内に位置する。
幾何学的な結果は、非ゼロのコントラストを生成するのに十分な半径条件を与える。
十分な検出しきい値の比較は、テストされた座標の数を減らし、独立したパイロットのための観測を保留する間のトレードオフを定量化する。
クラスごとに40から120のダイアグラムを持つシミュレーションでは、バンドは厳密なヌルと等値な共分散の両条件で94%から98%の同時カバレッジを達成した。
後者の設定では、ムーンとラザールの2段階の持続画像テストのパーミューテーション最大値とプール化Tがそれぞれ最大32%と26%のランニングで拒絶された。
固定予算シミュレーションでは、パイロットの3分の1を観測に費やしてランドマークや半径を選定した。
MUTAGベンチマークでは、局所化領域は、探索的な読み取りである融合リング系のリングに集中している。
関連論文リスト
- Two-Sample Testing via Generative Processes [60.42943145582429]
生成輸送は、2つのサンプルが同じ分布から来るかどうかを決定する新しい方法を提供する。
2つのサンプルの間に直接補間体を構築し、対称スケジュールでは、その法則が時間反射の下で不変であることを観察する。
したがって、t と 1-t の辺辺が、Jensen-Shannon の発散を計算することで一致するかどうかをテストする。
論文 参考訳(メタデータ) (2026-10-06T12:48:27Z) - Two-Sample Testing via Path-based Inference [54.590623065123076]
2サンプルテストは、同じ分布が2つの有限データセットを生成するかどうかを決定する問題である。
補間子を用いて、両分布を共有ガウスボトルネックに接続する。
ゼロ仮説は、集団が、または同等に、2つのハーフの速度場が、任意のノイズレベルに一致する場合にのみ成立することを示す。
論文 参考訳(メタデータ) (2026-10-05T01:56:28Z) - Auditing Bayesian Graph Alignment: Diagnostic Comparisons and Reference Failure [0.0]
3つのサンプルとスコア,限界,指標,カテゴリー,分類器に基づく診断を比較した。
また, 誤差が967に近づいたにもかかわらず, ほぼゼロに一致しない共通開始鎖も示している。
これらの結果は、有限予算の限界、診断ランク、基準合意を精度の証拠として識別しながら、割当感性監査を支援する。
論文 参考訳(メタデータ) (2026-09-19T22:19:09Z) - When Unpaired Sets Support Shared-Corruption Calibration: Moment Geometry and Two-Sample Precision [5.254084723324815]
観測間で共有される所定の低次元補正のために、観測およびクリーン参照セットは、固定モーメントの応答を通してのみ推論をサポートする。
この問題を2サンプルのモーメントキャリブレーションとして定式化し、局所的なランク、スケールされたモーメント感度、ソース境界共分散、モーメント整合性残差を組み合わせたランク認識情報状態について報告する。
論文 参考訳(メタデータ) (2026-08-11T04:39:54Z) - One-step lowest-variance selection in a Gaussian random-field model motivated by masked diffusion: Total correlation and a square root collision threshold [8.230831152671708]
マスク付き離散拡散における信頼誘導型並列アンマスキングの動機付けにより、スタイリングされたガウス確率場モデルにおける1つの選択ステップについて検討する。
その結果、マスク付き離散拡散における厳密な信頼幾何と空間相関が一段階選択に結びついている。
論文 参考訳(メタデータ) (2026-07-20T03:56:34Z) - Mind the Gap: Standard 3DGS Evaluation Primarily Measures Near-Trajectory Interpolation [0.0]
標準的な3Dガウススプレイティング評価では、すべてのN番目のフレームが定義されているが、これらのフレームは両側の隣人を訓練しているため、計量は空間的な一般化よりもほぼ軌道を測っている。
この効果を分離するフェアマッチカウントプロトコルを導入する。
両腕は同じ数の画像を訓練し、ホールドアウトが均等に広がるか(補間)、または連続的な空間セクターを形成するか(補間)が異なる。
論文 参考訳(メタデータ) (2026-07-02T00:24:15Z) - Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
深部異方性回帰における自己教師付き共分散推定について検討する。
正規分布の間の2-ワッサーシュタイン距離の上界を導出する。
幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
論文 参考訳(メタデータ) (2025-02-14T22:37:11Z) - Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。
我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文 参考訳(メタデータ) (2023-12-25T01:00:58Z) - Consensus-Guided Correspondence Denoising [67.35345850146393]
本稿では,地域間コンセンサス学習フレームワークと対応関係を異色化し,対応関係をロバストに識別する。
ローカル地域からグローバル地域への動的グラフから推定されるコンセンサススコアに基づいて,信頼度の高い候補を初期マッチングから蒸留する新しい「プルーニング」ブロックを導入した。
本手法は、堅牢なラインフィッティング、ワイドベースライン画像マッチング、画像ローカリゼーションベンチマークを顕著なマージンで上回る。
論文 参考訳(メタデータ) (2021-01-03T09:10:00Z)
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。