A Metric-based Principal Curve Approach for Learning One-dimensional Manifold

要約

主曲線は、微分幾何学の概念を使用した多様体学習を目的としたよく知られた統計手法です。
この論文では、空間データの 1 次元多様体を学習する新しい計量ベースの主曲線 (MPC) 方法を提案します。
合成データセット MNIST データセットを使用した実際のアプリケーションは、私たちの方法が形状に関して 1 次元多様体を適切に学習できることを示しています。

要約(オリジナル)

Principal curve is a well-known statistical method oriented in manifold learning using concepts from differential geometry. In this paper, we propose a novel metric-based principal curve (MPC) method that learns one-dimensional manifold of spatial data. Synthetic datasets Real applications using MNIST dataset show that our method can learn the one-dimensional manifold well in terms of the shape.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google