HyperAIHyperAI

Command Palette

Search for a command to run...

طريقة النواة لرسومات الثباتية من خلال تضمين النواة وعامل الوزن

Genki Kusano Kenji Fukumizu Yasuaki Hiraoka

الملخص

تحليل البيانات التبولوجي هو مفهوم رياضي ناشئ يستخدم لوصف الأشكال في بيانات متعددة المقياس. في هذا المجال، يتم استخدام الرسوم البيانية الثابتة على نطاق واسع كوصف للبيانات الإدخالية، ويمكنها تمييز الخصائص التبولوجية القوية والضوضائية. اليوم، هناك رغبة كبيرة في تطوير إطار إحصائي على الرسوم البيانية الثابتة للتعامل مع البيانات العملية. يقترح هذا البحث طريقة نواة على الرسوم البيانية الثابتة. المساهمة النظرية لطريقتنا هي أن النواة المقترحة تسمح بتحكم تأثير الثباتية، وإذا لزم الأمر، يمكن خصم الخصائص التبولوجية الضوضائية في تحليل البيانات. بالإضافة إلى ذلك، توفر الطريقة تقنية تقريب سريعة. تم تطبيق هذه الطريقة على عدة مشاكل، بما في ذلك البيانات العملية في الفيزياء، وأظهرت النتائج مزايا مقارنة بالطرق الحالية الأخرى المستخدمة على الرسوم البيانية الثابتة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
طريقة النواة لرسومات الثباتية من خلال تضمين النواة وعامل الوزن | مستندات | HyperAI