为ML带来拓扑学基础，Nature子刊提出拓扑数据分析方法

为机器学习带来拓扑学基础，Nature子刊提出拓扑数据分析方法

转载于为ML带来拓扑学基础，Nature子刊提出拓扑数据分析方法

一位意大利数学家表示，现在我们可以使用一种新数学方法，让机器学习系统能更高效、快速地学习识别复杂图像。该数学家提出的理论已经被 Nature
子刊 Machine Intelligence 接收，该论文的作者表示，这种新方法可以称为“拓扑数据分析（TDA）”

从数学理论的角度来理解并提升机器学习方法，这也是近来非常有潜力的研究方向。

不论是以前通过常微分方程或偏微分方程形式化神经网络，还是这一篇从拓扑学的角度强化神经网络的鲁棒性，也许当更多的数学基础被赋予机器学习时，它的发展与创新就会变得更加有「规律」。

实现地址

据研究者们介绍，他们的研究只集中解决一个问题：「训练识别路标的深度神经网络时，如何告诉网络只需要关注三角形、环形等简单的几何形状即可。」

对此，研究者提出了一种名为拓扑数据分析（Topological Data Analysis: TDA）的方法。TDA 可以被视为是一种搜索拓扑特征这一内部结构的工具，根据拓扑特征，任意复杂的目标都能表示为一大组数字。而种拓扑特征只需要通过特定的「镜头」，或者过滤器，来对数据进行浏览就能得到。