[論文レビュー] FibeRed: Fiberwise Dimensionality Reduction of Topologically Complex Data with Vector Bundles

Luis Scoccola, José A. Perea|arXiv (Cornell University)|Jun 13, 2022

Topological and Geometric Data Analysis被引用数 2

ひとこと要約

FibeRedは、ベクトル bundle を用いてトポロジカルに複雑なデータをモデル化するファイバーごとの次元削減フレームワークを提案する。これは、大域的なトポロジー（ベース空間）と局所的な幾何構造（ファイバー）を分離する。トポロジカル推論と局所線形削減を活用することで、Isomap や t-SNE や UMAP といったメトリックベースの手法よりも、特にシリンダーやクラインのボーラーといった非自明なトポロジーを持つ多様体において、より低い次元でトポロジカルに忠実な埋め込みを達成する。

ABSTRACT

Datasets with non-trivial large scale topology can be hard to embed in low-dimensional Euclidean space with existing dimensionality reduction algorithms. We propose to model topologically complex datasets using vector bundles, in such a way that the base space accounts for the large scale topology, while the fibers account for the local geometry. This allows one to reduce the dimensionality of the fibers, while preserving the large scale topology. We formalize this point of view, and, as an application, we describe an algorithm which takes as input a dataset together with an initial representation of it in Euclidean space, assumed to recover part of its large scale topology, and outputs a new representation that integrates local representations, obtained through local linear dimensionality reduction, along the initial global representation. We demonstrate this algorithm on examples coming from dynamical systems and chemistry. In these examples, our algorithm is able to learn topologically faithful embeddings of the data in lower target dimension than various well known metric-based dimensionality reduction algorithms.

研究の動機と目的

• 低次元埋め込みにおける非自明な大規模トポロジーを保存できないメトリックベースの次元削減の限界を解消すること。
• 数学的枠組みとしてのベクトルバンドルを用いて、データのグローバルなトポロジカル構造と局所的な幾何的構造を分離すること。
• 局所線形次元削減とトポロジカル推論を統合した実用的なアルゴリズムを開発し、埋め込みの忠実性を向上させること。
• ベクトルバンドルに基づく表現が、複雑なデータセットにおいて、標準的なメトリックベースの手法よりも正確で次元の低い埋め込みを提供できることを示すこと。

提案手法

• データを、大規模トポロジーを符号化するベース空間と、局所的幾何を捉えるファイバーを持つベクトルバンドルとしてモデル化する。
• 持続的コhomology を用いて、ループなどの重要なトポロジカル特徴を捉える初期の円形座標マップを計算する。
• ファイバー近傍内で局所線形次元削減（例：PCA）を適用し、局所構造を保存しながら次元を削減する。
• 局所的ファイバー表現の直交的かつ一貫した整合性を保証するためのコycle条件を解くことで、グローバルに一貫した埋め込みを構築する。
• クラインのボーラーのような非可縮多様体を扱うために、トポロジカルに一貫したパッチからなる基本領域を生成する「カット・アンフォールド」技術を採用する。
• 初期のベースマップと洗練されたファイバー座標を組み合わせることで、トポロジーと局所幾何を両方保存した最終的な低次元表現を生成する。

実験結果

リサーチクエスチョン

• RQ1 ベクトルバンドルは、高次元データにおけるグローバルトポロジーとローカルジオメトリの分離のための原理的フレームワークを提供できるか？
• RQ2 トポロジカル推論を用いて、非自明なトポロジーを保存するグローバルに一貫した低次元埋め込みを構築できるか？
• RQ3 Isomap や t-SNE や UMAP といったメトリックベースの手法と比較して、ファイバーごとの次元削減は、より低いターゲット次元におけるトポロジカル構造の保存にどの程度優れているか？
• RQ4 クラインのボーラーのような非可縮多様体を、トポロジカルに忠実に低次元に埋め込むことができるか？
• RQ5 このアルゴリズムはノイズや外れ値に対してどの程度頑健であり、また、局所次元が変動するデータを扱うためにどのように拡張できるか？

主な発見

• FibeRed は、力学系や化学分野のデータに対して、Isomap や LTSA や HLLE や t-SNE や UMAP よりも低いターゲット次元でトポロジカルに忠実な埋め込みを達成する。
• クラインのボーラーにおいて、FibeRed は Z/2 および Z/3 係数における正しいベッチ数を回復し、トポロジカルな忠実性を確認した。一方、メトリックベースの手法は R4 において正しくホモロジーを保存できなかった。
• 初期の円形座標とファイバー削減のみを用いて、サイクロオクタンのコンformation 空間の 2D パarametrization を、事前のトポロジカル構造の知識なしに生成した。
• t-SNE や Isomap ですら、高次元で実行された場合でさえも、FibeRed はデータの基本的トポロジカル特徴をよりよく保存する。
• トポロジカル制約を用いて局所的 2D パッチをグローバルに整合させることで、メトリックベースのアプローチで一般的に生じる整合性の問題を解決し、一貫したデータのチャーティングを可能にする。
• このアプローチは、初期のトポロジカル表現に対する主成分分析の一種として解釈可能であり、他の次元削減アルゴリズムへのより広範な応用の可能性を示唆する。