Zobrazeno 1 - 10
of 26
pro vyhledávání: '"Topological machine learning"'
Publikováno v:
Machine Learning and Knowledge Extraction, Vol 5, Iss 1, Pp 199-236 (2023)
Variational auto-encoders (VAEs) are deep generative models used for unsupervised learning, however their standard version is not topology-aware in practice since the data topology may not be taken into consideration. In this paper, we propose two di
Externí odkaz:
https://doaj.org/article/6fe4d4f9cf01452ea81890add99e010f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Mathematics, Vol 10, Iss 17, p 3086 (2022)
In this work, we develop a pipeline that associates Persistence Diagrams to digital data via the most appropriate filtration for the type of data considered. Using a grid search approach, this pipeline determines optimal representation methods and pa
Externí odkaz:
https://doaj.org/article/4ec492bbc2194647890139785e5e790d
Publikováno v:
Frontiers in Artificial Intelligence, Vol 4 (2021)
The last decade saw an enormous boost in the field of computational topology: methods and concepts from algebraic and differential topology, formerly confined to the realm of pure mathematics, have demonstrated their utility in numerous areas such as
Externí odkaz:
https://doaj.org/article/8814c8dcb3c24c13a6eb39005e32857b
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Medbouhi, Aniss Aiman
Variational Auto-Encoders (VAEs) are one of the most famous deep generative models. After showing that standard VAEs may not preserve the topology, that is the shape of the data, between the input and the latent space, we tried to modify them so that
Externí odkaz:
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-309487
Autor:
Medbouhi, Aniss Aiman
Variational Auto-Encoders (VAEs) are one of the most famous deep generative models. After showing that standard VAEs may not preserve the topology, that is the shape of the data, between the input and the latent space, we tried to modify them so that
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::bd98afbe8f154f5f8320f7324c1ef7b7
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-309487
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-309487