Motivated both by theoretical and practical considerations in topological data analysis, we generalize the $p$-Wasserstein distance on barcodes to multiparameter persistence modules. For each $p\in [1,\infty]$, we in fact introduce two such generalizations $d_{\mathcal I}^p$ and $d_{\mathcal M}^p$, such that $d_{\mathcal I}^\infty$ equals the interleaving distance and $d_{\mathcal M}^\infty$ equals the matching distance. We show that on 1- or 2-parameter persistence modules over prime fields, $d_{\mathcal I}^p$ is the universal (i.e., largest) metric satisfying a natural stability property; this extends a stability theorem of Skraba and Turner for the $p$-Wasserstein distance on barcodes in the 1-parameter case, and is also a close analogue of a universality property for the interleaving distance given by the second author. We also show that $d_{\mathcal M}^p\leq d_{\mathcal I}^p$ for all $p\in [1,\infty]$, extending an observation of Landi in the $p=\infty$ case. We observe that on 2-parameter persistence modules, $d_{\mathcal M}^p$ can be efficiently approximated. In a forthcoming companion paper, we apply some of these results to study the stability of ($2$-parameter) multicover persistent homology.


翻译:以理论和实践的考虑为动力,在地形数据分析中,我们将条形码上的美元-瓦瑟斯坦距离(Wasserstein)一般化为多参数持久性模块。对于每1美元[1,\ infty]美元,我们实际上引入了两种此类通用化($d ⁇ mathcal I ⁇ p美元和$d ⁇ mathcal M ⁇ p$美元),这样,美元与间断距离相等,美元和美元mathcal m ⁇ inty美元等同匹配距离。我们显示,在1或2立方公尺的硬性模块中,美元是满足自然稳定性属性的通用标准(即最大标准);这扩大了Skraba和Turner在1参数中条形码上的美元-Wasserstein距离的稳定性,同时也是第二作者给出的多立方距离的通用属性属性。我们还显示,美元-calmacalalalal-al-albal-cal-mologyal $%\\\\\\\ lax case a case sal case a case.

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9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
Arxiv
0+阅读 · 2022年1月14日
Arxiv
4+阅读 · 2020年3月19日
Arxiv
7+阅读 · 2018年1月21日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关VIP内容
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9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
Top
微信扫码咨询专知VIP会员