「math.MG」カテゴリーアーカイブ

Approximating Metric Magnitude of Point Sets

投稿日: 2024年9月9日 作成者: jarxiv

要約 計量マグニチュードは、多くの望ましい幾何学的特性を持つ点群の「サイズ」の尺 … 続きを読む →

カテゴリー: cs.LG, math.MG | Approximating Metric Magnitude of Point Sets はコメントを受け付けていません

The Z-Gromov-Wasserstein Distance

投稿日: 2024年8月16日 作成者: jarxiv

要約 グロモフ-ワッサーシュタイン (GW) 距離は、計量メジャー空間を比較する … 続きを読む →

カテゴリー: cs.LG, math.MG | The Z-Gromov-Wasserstein Distance はコメントを受け付けていません

A stability theorem for bigraded persistence barcodes

投稿日: 2024年3月29日 作成者: jarxiv

要約 X の Vietoris-Rips フィルタリングに関連するモーメント角複 … 続きを読む →

カテゴリー: 55N31, 55U10, 57Z25, cs.CG, cs.LG, math.AT, math.CO, math.MG, Primary 57S12, secondary | A stability theorem for bigraded persistence barcodes はコメントを受け付けていません

Path Tracking using Echoes in an Unknown Environment: the Issue of Symmetries and How to Break Them

投稿日: 2024年3月5日 作成者: jarxiv

要約 本論文では、平面構造物からなる未知の環境における車両の経路を、音を用いて再 … 続きを読む →

カテゴリー: 51-08, 51K99, 70E60, cs.RO, math.MG | Path Tracking using Echoes in an Unknown Environment: the Issue of Symmetries and How to Break Them はコメントを受け付けていません

Probabilistic motion planning for non-Euclidean and multi-vehicle problems

投稿日: 2023年6月29日 作成者: jarxiv

要約 非ホロノミックまたは協調システムの軌道計画タスクは、非ユークリッド計量を使 … 続きを読む →

カテゴリー: cs.RO, math.MG, math.OC | Probabilistic motion planning for non-Euclidean and multi-vehicle problems はコメントを受け付けていません

Recognizing Rigid Patterns of Unlabeled Point Clouds by Complete and Continuous Isometry Invariants with no False Negatives and no False Positives

投稿日: 2023年3月28日 作成者: jarxiv

要約 車やその他の固体オブジェクトなどの剛体構造は、多くの場合、ラベルのないポイ … 続きを読む →

カテゴリー: 51F20, 51F30, 51K05, 51N20, 68U05, cs.CG, cs.CV, I.5.1, math.MG | Recognizing Rigid Patterns of Unlabeled Point Clouds by Complete and Continuous Isometry Invariants with no False Negatives and no False Positives はコメントを受け付けていません

Designing Universal Causal Deep Learning Models: The Geometric (Hyper)Transformer

投稿日: 2023年3月10日 作成者: jarxiv

要約 確率的分析におけるいくつかの問題は、それらの幾何学によって定義されており、 … 続きを読む →

カテゴリー: 30L99, 41A65, 49Q22, 60G25, 60H35, 68T07, cs.LG, cs.NE, math.MG, math.PR, q-fin.CP | Designing Universal Causal Deep Learning Models: The Geometric (Hyper)Transformer はコメントを受け付けていません