The notion of generalized rank invariant in the context of multiparameter persistence has become an important ingredient for defining interesting homological structures such as generalized persistence diagrams. Naturally, computing these rank invariants efficiently is a prelude to computing any of these derived structures efficiently. We show that the generalized rank invariant over a finite interval $I$ of a $\mathbb{Z}^2$-indexed persistence module $M$ is equal to the generalized rank invariant of the zigzag module that is induced on the boundary of $I$. Hence, we can compute the generalized rank over $I$ by computing the barcode of the zigzag module obtained by restricting the bifiltration inducing $M$ to the boundary of $I$. If $I$ has $t$ points, this computation takes $O(t^\omega)$ time where $\omega\in[2,2.373)$ is the exponent for matrix multiplication. Among others, we apply this result to obtain an improved algorithm for the following problem. Given a bifiltration inducing a module $M$, determine whether $M$ is interval decomposable and, if so, compute all intervals supporting its summands. Our algorithm runs in time $O(t^{2\omega})$ vastly improving upon existing algorithms for the problem.


翻译:在多参数持久性的背景下,通用等级不变的概念已成为界定有趣的同质结构(如通用持久性图表)的一个重要要素。自然,高效计算这些等级异差是高效计算任何这些衍生结构的前奏。我们表明,在一定间隔内,通用等级异差为美元=美元=2美元,指数化持久性模块美元=2美元=2美元=2美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=2美元=2美元=2美元=2美元=2美元=2美元=2美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=2美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=1美元=

0
下载
关闭预览

相关内容

NeurIPS 20201接收论文列表发布,2334篇论文都在这了!
专知会员服务
37+阅读 · 2021年11月4日
【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
【经典书】线性代数,Linear Algebra,525页pdf
专知会员服务
76+阅读 · 2021年1月29日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
【最受欢迎的概率书】《概率论:理论与实例》,490页pdf
专知会员服务
162+阅读 · 2020年11月13日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2022年2月8日
Arxiv
0+阅读 · 2022年2月8日
Generalized Group Testing
Arxiv
0+阅读 · 2022年2月7日
VIP会员
相关主题
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员