从随机点恢复拓扑结构

Research Paper#Computational Geometry, Topology, Manifold Learning🔬 Research|分析: 2026年1月3日 19:05•
发布: 2025年12月29日 06:02
•
1分で読める
•ArXiv

分析

本文探讨了几何数据分析中的一个基本问题：如何从随机采样的噪声数据点中推断隐藏对象（子流形）的形状（拓扑结构）。其重要性在于它在 3D 建模、医学影像和数据科学等各个领域的潜在应用，在这些领域中，底层结构通常是未知的，需要从观测结果中重建。本文的贡献在于，它基于流形的曲率性质和采样密度，提供了关于拓扑估计准确性的理论保证。
引用 / 来源
查看原文
"The paper demonstrates that the topology of a submanifold can be recovered with high confidence by sampling a sufficiently large number of random points."
A
ArXiv2025年12月29日 06:02
* 根据版权法第32条进行合法引用。
较旧

Constraints on SMEFT operators from $Z \to μμbb$ decay

较新

The five-vertex model as a discrete log-gas

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv