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」。
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。