Μηχανική μάθηση με τοπολογική ανάλυση δεδομένων
Loading...
Date
2025-07-01
Authors
Μπακόπουλος, Γεώργιος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η Τοπολογική Ανάλυση Δεδομένων (TDA) ανοίγει νέους δρόμους στη μαθησιακή μοντελο-ποίηση, επιτρέποντας την ανάδειξη σύνθετων συσχετισμών που διαφεύγουν από τις παραδοσιακές γεωμετρικές ή στατιστικές μεθόδους. Σε αυτή την εργασία, επιχειρείται μια σφαιρική διερεύνηση του τρόπου με τον οποίο η TDA λειτουργεί ως μηχανισμός ενίσχυσης των μοντέλων μηχανικής μάθησης, προσδίδοντας τους ευαισθησία σε μορφολογικά χαρακτηριστικά και ενισχύοντας την ανθεκτικότητα σε θορυβώδη ή ατελή δεδομένα. Η εργασία εισάγει νέες θεμελιώσεις αναφορικά με τη δομική πληροφορία που εμπεριέχουν τα δεδομένα, εστιάζοντας στο σχήμα των συνόλων εισόδου και όχι μόνο στο μέγεθος ή στις στατιστικές ιδιότητες.
Εξετάζεται πώς η τοπολογία, μέσω εννοιών όπως οι οπές, οι κύκλοι, τα απλοειδή σύμπλοκα και οι αριθμοί Betti, μπορεί να αναδείξει αφανή πρότυπα και ασυνέχειες, ακόμη και σε δεδομένα που είναι εκ πρώτης όψεως μη συσχετιζόμενα. Ένας από τους βασικούς άξονες είναι η μετατροπή των διαγραμμάτων επίμονης ομολογίας σε μορφές που μπορούν να ενσωματωθούν σε νευρωνικά δίκτυα ή να τροφοδοτήσουν κλασικούς αλγορίθμους μηχανικής μάθησης. Το παραπάνω επιτυγχάνεται με τη χρήση τεχνικών, όπως οι εικόνες επίμονης ομολογίας και οι τοπολογικές ενσωματώσεις οδηγώντας σε μοντέλα περισσότερο ερμηνεύσιμα, με υψηλότερο βαθμό γενίκευσης.
Ιδιαίτερη έμφαση δίνεται στην τοπολογική απεικόνιση της δυναμικής των δεδομένων, δηλαδή στον τρόπο με τον οποίο τα χωροχρονικά μοτίβα μεταβάλλονται και πώς αυτή η μεταβολή επηρεάζει την απόδοση των μαθησιακών συστημάτων. Εισάγεται η έννοια της τοπολογικής τροχιάς, η οποία συλλαμβάνει τις δομικές μετατοπίσεις σε ακολουθίες δεδομένων, προσφέροντας νέα εργαλεία για την κατανόηση πολύπλοκων μεταβαλλόμενων καταστάσεων, όπως είναι οι οικονομικές μεταβλητό-τητες, οι βιολογικές αλληλουχίες ή τα κοινωνικά δίκτυα.
Η συμβολή της παρούσας εργασίας δεν περιορίζεται στη χρήση έτοιμων εργαλείων, αλλά επι-κεντρώνεται στην ενσωμάτωση της Τοπολογικής Ανάλυσης Δεδομένων σε κάθε στάδιο της μηχανι-κής μάθησης – από την επιλογή των χαρακτηριστικών έως την τελική αξιολόγηση. Ιδιαίτερη έμφαση δίνεται στην ανάλυση της τοπολογικής πυκνότητας των δεδομένων, δηλαδή του τρόπου με τον οποίο κατανέμονται οι πληροφορίες στον χώρο, και στη σύνθετη γεωμετρία των περιοχών όπου συγκε-ντρώνονται. Εξετάζεται επίσης πώς η σταθερότητα των ομάδων δεδομένων επηρεάζει την ικανότητα του μοντέλου να γενικεύει, δηλαδή να αποδίδει καλά και σε νέα, άγνωστα παραδείγματα. Η προσέγ-γιση αυτή αποφεύγει τις απλοποιήσεις και αναδεικνύει τη σημασία της «μορφής» των δεδομένων στην επιτυχία της μάθησης.
Η έννοια της τοπολογικής μάθησης παρουσιάζεται ως μία κατεύθυνση μεθοδολογικής ενίσχυ-σης, αλλά και ερμηνευτικού εμπλουτισμού. Οι τεχνικές αυτές επιτρέπουν τη μοντελοποίηση πολύ-πλοκων φαινομένων με πιο σταθερό τρόπο, καθώς τα τοπολογικά χαρακτηριστικά δεν αλλοιώνονται εύκολα από μετατοπίσεις, ακραίες τιμές ή παραμορφώσεις. Αυτό καθιστά τις τοπολογικές προσεγγί-σεις ιδανικές για εφαρμογές σε αυτόνομα οχήματα, προγνωστικά μοντέλα χρηματοοικονομικής και ιατρικά συστήματα υποστήριξης διάγνωσης.
Description
Keywords
Τοπολογική τροχιά, Ερμηνευσιμότητα, Τοπολογική πυκνότητα