topological-data-analysis

提出了一个将持久同调整合进DMAE骨干网络的拓扑感知表示学习框架，用于编码三周期极小曲面(TPMS)机械超材料的全局结构连通性，在机械属性无监督聚类上提升最高达51.5%，回归R²达0.993。

本文提出 Ψ-Resilience——一种无模型的特征重要性方法，通过类别分歧景观的零维持久性从一维拓扑信号中提取解释，并在合成数据集与真实数据集上取得与 SHAP 和互信息方法相当的 Spearman 相关系数。

本文提出了一种新的原型缩减方法——迭代神经扩展上的骨架原型（SPINE），该方法将类别建模为嵌入的1-复形，在基准数据集上相比现有技术实现了更高的准确性和效率。

拓扑引导是一种新框架，利用拓扑数据分析捕获激活空间中的全局结构，以控制大型语言模型行为，实现更稳健的行为控制。

本文介绍了TGO-IV，一个使用持续同调来分析Transformer表示如何跨层演化的拓扑框架，补充了先前的谱和几何观测站。

The paper studies the topology of learned representations in predictive coding networks using persistent homology, finding that smaller models simplify topology earlier than larger ones and that earlier simplification correlates with worse reconstruction performance.

TAGTorch is an open-source PyTorch library that unifies tools for topology, algebra, and geometry-aware machine learning, covering preprocessing, architectures, training techniques, and model analysis.

一条推文，宣传由Colleen M. Farrelly和Yaé Ulrich Gaba合著的《The Shape of Data: Geometry-Based Machine Learning and Data Analysis in R》一书，强调其在数据科学中运用几何和拓扑的实用方法。

本文介绍了一个探索性基准测试，用于在动态交易图中检测稀疏环欺诈，采用量子启发式上下文机器学习（CML）与GRU基线进行比较，发现结合身份保持与拓扑摘要的混合图特征取得了最佳结果。

本文应用拓扑数据分析于洪水检测，通过从卫星影像中提取拓扑特征并融入神经网络，展示了相比传统方法更高的鲁棒性和可解释性。

本文研究了用于儿科睡眠分析的掩码自编码器多模态嵌入的潜在结构。结果表明，通过几何、拓扑和临床特征增强嵌入，可以改善睡眠相关事件的预测和校准。

HodgeCover 使用高阶拓扑覆盖来压缩稀疏混合专家层，通过解决成对信号遗漏的不可归约可合并性障碍，在专家缩减方面匹配最先进的基线，并在激进压缩方面领先。