决策边界的拓扑数据分析及其在模型选择中的应用
机器学习
2018-05-28 v1 机器学习
摘要
我们提出标记 \v{C}ech 复形、普通标记 Vietoris-Rips 复形和局部缩放标记 Vietoris-Rips 复形，用于在分类任务中对决策边界进行持续同调推断。我们提供了从样本中恢复决策边界同调的理论条件和分析。我们的主要目标是量化深度神经网络的复杂度，以实现数据集与预训练模型的匹配；我们报告了使用 MNIST、FashionMNIST 和 CIFAR10 进行实验的结果。
引用
@article{arxiv.1805.09949,
title = {Topological Data Analysis of Decision Boundaries with Application to Model Selection},
author = {Karthikeyan Natesan Ramamurthy and Kush R. Varshney and Krishnan Mody},
journal= {arXiv preprint arXiv:1805.09949},
year = {2018}
}
备注
Reproducible software available, 17 pages, 10 figures, 12 tables