PyTorchKR Papers

신규 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

arXiv:2611.08833v1stat.ML

하위 별 필트레이션을 넘어서: 지속 호몰로지를 위한 대안적 필트레이션 방법

Beyond the Lower-Star Filtration: Alternative Filtration Methods for Persistent Homology

하위 별 필트레이션(lower-star filtration, LSF)에서는 최대 정점 규칙에 따라 단체(simplex)에 필트레이션 값이 부여되며, 각 단체는 가장 높은 값을 갖는 정점이 나타날 때 필트레이션에 진입한다. 이 구성의 한계는 일부 고차원 단체가 경계 면과 동시에 진입할 수 있어, 특정 위상적 특징이 형성되자마자 즉시 채워져 결과적인 지속 다이어그램에 나타나지 않는다는 점이다. 이러한 한계를 해결하기 위해 본 논문은 세 가지 대안적 필트레이션 방법, 즉 \(\varepsilon\)-하위 별 필트레이션(ELSF), \(L_p\) 필트레이션(LpF), 소프트맥스 필트레이션(SMF)을 제안한다. ELSF는 최대 정점 규칙에 차원에 따른 지연을 도입하여 고차원 단체가 경계 면보다 늦게 필트레이션에 진입하도록 하며, LpF와 SMF는 최댓값만이 아니라 모든 정점 값에 의존하는 집계 함수를 사용한다. 이러한 방법은 필트레이션 값을 부여하는 방식을 수정함으로써 단체가 더 점진적으로 필트레이션에 진입하게 하여, 루프나 공동(void)과 같은 위상적 특징이 즉시 채워지지 않고 더 긴 필트레이션 구간 동안 지속될 수 있게 한다. 그 결과 생성되는 지속 다이어그램은 LSF에서는 관찰되지 않는 지속 특징을 포함할 수 있으며, 이는 데이터 집단을 구별하는 데 유용한 정보를 제공할 가능성이 있다. 시뮬레이션 및 실제 데이터셋에 대한 실험 결과, 제안한 필트레이션 방법은 계산적으로 효율적이며 LSF보다 데이터의 구조적 차이에 대해 더 높은 민감도를 제공할 수 있음을 보였다.

arXiv:2611.06990v1stat.ML

ToroFit: 고차원 데이터에 토러스의 쐐기합 맞추기

ToroFit: Fitting Wedge Sums of Tori to High-Dimensional Data

과학 응용에서 발생하는 데이터는 복잡한 비선형 구조를 보이는 경우가 많다. 이러한 비선형성을 식별하고 매개변수화하면 더 나은 모델링을 가능하게 하고 예측 분석, 데이터 보간, 잡음 제거, 이상 탐지를 향상시킬 수 있다. 본 논문에서는 토러스의 쐐기합 근처에 놓인 유클리드 점구름 데이터를 탐지하고 매개변수화하는 이론적·계산적 방법을 개발한다. 구체적으로, 지속 코호몰로지와 컵 곱을 사용해 서로 다른 토러스 성분을 식별하고, 각 성분에서 저에너지 다변량 삼각 다항식에 대해 최적화하여 데이터에 가장 잘 맞추도록 한다. 이로써 얻어지는 최적화 문제는 일반화된 릿지 회귀로 환원되며, 표준 기법으로 효율적으로 풀 수 있다. 제안한 프레임워크의 유용성을 합성 데이터와 실제 데이터에서 보이며, 여기에는 낮은 프레임률의 반복 비디오 보간, 준주기 동역학계에서의 끌개 복원, 기생충과 인간의 유전자 공간 순환 데이터의 매개변수화가 포함된다.