HADES：基于局部测度比较的快速奇点检测
机器学习
2023-11-08 v1 人工智能
代数拓扑
微分几何
统计理论
统计理论
摘要
我们介绍Hades，一种用于检测数据中奇点的无监督算法。该算法采用核拟合优度检验，因此比现有的基于拓扑的替代方法快得多且可扩展性远好。利用微分几何与最优传输理论工具，我们证明当数据样本位于等维流形的横截交集上时，Hades能以高概率正确检测奇点。在计算实验中，Hades恢复了合成生成数据中的奇点、道路网络数据中的分支点、分子构型空间中的交环以及图像数据中的异常。
引用
@article{arxiv.2311.04171,
title = {HADES: Fast Singularity Detection with Local Measure Comparison},
author = {Uzu Lim and Harald Oberhauser and Vidit Nanda},
journal= {arXiv preprint arXiv:2311.04171},
year = {2023}
}