会员服务
数据分析 · CASES · COVID-19 · Networking ·
2021 年 4 月 1 日
Topological Data Analysis of Spatial Systems
翻译：空间系统地形数据分析
Michelle Feng,Abigail Hickok,Mason A. Porter
Michelle Feng,Abigail Hickok,Mason A. Porter
from arxiv, draft of book chapter

In this chapter, we discuss applications of topological data analysis (TDA) to spatial systems. We briefly review the recently proposed level-set construction of filtered simplicial complexes, and we then examine persistent homology in two cases studies: street networks in Shanghai and hotspots of COVID-19 infections. We then summarize our results and provide an outlook on TDA in spatial systems.


翻译：在本章中,我们讨论对空间系统应用地貌数据分析(TDA)的问题,我们简要回顾最近提出的对经过过滤的简易综合体进行水平定置的建议,然后在两个案例研究中研究持久性同系现象:上海的街道网络和COVID-19感染的热点。然后我们总结我们的结果,并对空间系统中的TDA进行展望。
0
下载
关闭预览

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。
【WWW2021 】洛伦兹图卷积神经网络
专知会员服务
43+阅读 · 2021年5月26日
【干货书】机器学习速查手册，135页pdf
【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
复杂的序列数据分析：现有算法的系统文献综述，Complex Sequential Data Analysis: A Systematic Literature Review of Existing Algorithms
复杂的序列数据分析：现有算法的系统文献综述，Complex Sequential Data Analysis: A Systematic Literature Review of Existing Algorithms
专知会员服务
26+阅读 · 2020年7月24日
【CVPR2020】视觉导航的神经拓扑SLAM，Neural Topological SLAM for Visual Navigation
【CVPR2020】视觉导航的神经拓扑SLAM，Neural Topological SLAM for Visual Navigation
专知会员服务
50+阅读 · 2020年5月26日
【经典书】数据挖掘：理论、算法与示例，347页pdf，Nong Ye，Arizona State University
【经典书】数据挖掘：理论、算法与示例，347页pdf，Nong Ye，Arizona State University
专知会员服务
81+阅读 · 2020年2月27日
【深度学习表格检测、信息提取和结构化】《Table Detection, Information Extraction and Structuring using Deep Learning》by Vihar Kurama
专知会员服务
37+阅读 · 2020年1月23日
【AAAI2020】拓扑贝叶斯优化与持久性图：Topological Bayesian Optimization with Persistence Diagrams
【AAAI2020】拓扑贝叶斯优化与持久性图：Topological Bayesian Optimization with Persistence Diagrams
专知会员服务
10+阅读 · 2020年1月17日
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
专知会员服务
40+阅读 · 2019年12月30日
【目标检测 | 2019最新综述】目标检测中的不平衡问题，附31页PDF， Imbalance Problems in Object Detection: A Review
【目标检测 | 2019最新综述】目标检测中的不平衡问题，附31页PDF， Imbalance Problems in Object Detection: A Review
专知会员服务
44+阅读 · 2019年11月15日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
可解释的CNN
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Topological Autoencoders
Topological Autoencoders
Arxiv
1+阅读 · 2021年5月31日
On the Usage of Psychophysiological Data in Software Engineering: An Extended Systematic Mapping Study
Arxiv
0+阅读 · 2021年5月28日
Fragmentation; a Tool for Finding Information, Encryption and Data Flow in Systems
Arxiv
0+阅读 · 2021年5月28日
Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review
Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review
Arxiv
0+阅读 · 2021年5月27日
On the Complexity of Load Balancing in Dynamic Networks
Arxiv
0+阅读 · 2021年5月27日
Handling state space explosion in verification of component-based systems: A review
Arxiv
0+阅读 · 2021年5月27日
A Review of Graph Neural Networks and Their Applications in Power Systems
A Review of Graph Neural Networks and Their Applications in Power Systems
Arxiv
27+阅读 · 2021年1月25日
Text Classification Algorithms: A Survey
Arxiv
15+阅读 · 2019年6月25日
Graph Neural Networks: A Review of Methods and Applications
Graph Neural Networks: A Review of Methods and Applications
Arxiv
9+阅读 · 2019年3月7日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
数据分析
CASES
COVID-19
Networking
相关VIP内容
【WWW2021 】洛伦兹图卷积神经网络
专知会员服务
43+阅读 · 2021年5月26日
【干货书】机器学习速查手册，135页pdf
【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
复杂的序列数据分析：现有算法的系统文献综述，Complex Sequential Data Analysis: A Systematic Literature Review of Existing Algorithms
复杂的序列数据分析：现有算法的系统文献综述，Complex Sequential Data Analysis: A Systematic Literature Review of Existing Algorithms
专知会员服务
26+阅读 · 2020年7月24日
【CVPR2020】视觉导航的神经拓扑SLAM，Neural Topological SLAM for Visual Navigation
【CVPR2020】视觉导航的神经拓扑SLAM，Neural Topological SLAM for Visual Navigation
专知会员服务
50+阅读 · 2020年5月26日
【经典书】数据挖掘：理论、算法与示例，347页pdf，Nong Ye，Arizona State University
【经典书】数据挖掘：理论、算法与示例，347页pdf，Nong Ye，Arizona State University
专知会员服务
81+阅读 · 2020年2月27日
【深度学习表格检测、信息提取和结构化】《Table Detection, Information Extraction and Structuring using Deep Learning》by Vihar Kurama
专知会员服务
37+阅读 · 2020年1月23日
【AAAI2020】拓扑贝叶斯优化与持久性图：Topological Bayesian Optimization with Persistence Diagrams
【AAAI2020】拓扑贝叶斯优化与持久性图：Topological Bayesian Optimization with Persistence Diagrams
专知会员服务
10+阅读 · 2020年1月17日
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
【图机器学习论文】图神经网络的逻辑表达性（Logical Expressiveness of Graph Neural Networks）
专知会员服务
40+阅读 · 2019年12月30日
【目标检测 | 2019最新综述】目标检测中的不平衡问题，附31页PDF， Imbalance Problems in Object Detection: A Review
【目标检测 | 2019最新综述】目标检测中的不平衡问题，附31页PDF， Imbalance Problems in Object Detection: A Review
专知会员服务
44+阅读 · 2019年11月15日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
热门VIP内容
相关资讯
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
可解释的CNN
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
相关论文
Topological Autoencoders
Topological Autoencoders
Arxiv
1+阅读 · 2021年5月31日
On the Usage of Psychophysiological Data in Software Engineering: An Extended Systematic Mapping Study
Arxiv
0+阅读 · 2021年5月28日
Fragmentation; a Tool for Finding Information, Encryption and Data Flow in Systems
Arxiv
0+阅读 · 2021年5月28日
Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review
Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review
Arxiv
0+阅读 · 2021年5月27日
On the Complexity of Load Balancing in Dynamic Networks
Arxiv
0+阅读 · 2021年5月27日
Handling state space explosion in verification of component-based systems: A review
Arxiv
0+阅读 · 2021年5月27日
A Review of Graph Neural Networks and Their Applications in Power Systems
A Review of Graph Neural Networks and Their Applications in Power Systems
Arxiv
27+阅读 · 2021年1月25日
Text Classification Algorithms: A Survey
Arxiv
15+阅读 · 2019年6月25日
Graph Neural Networks: A Review of Methods and Applications
Graph Neural Networks: A Review of Methods and Applications
Arxiv
9+阅读 · 2019年3月7日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
Top
微信扫码咨询专知VIP会员
Top