Ripser.py: A Lean Persistent Homology Library for Python
Ripser.py: A Lean Persistent Homology Library for Python
复制标题
DOI：
10.21105/joss.00925
复制
发表时间：
2018-09
期刊：
影响因子：
--
通讯作者：
Christopher J. Tralie;Nathaniel Saul;R. Bar-On
中科院分区：
文献类型：
--
作者：
Christopher J. Tralie;Nathaniel Saul;R. Bar-On
拓扑数据分析（TDA）（Edelsbrunner＆Harer，2010年），（Carlsson，2009年）是一个侧重于通过计算拓扑描述符来理解数据的形状和结构的领域，这些描述符总结了连接组件，环和空隙的特征。 TDA在非线性时间序列分析中发现了广泛的应用（Perea＆Harer，2015年），计算机视觉（Perea＆Carlsson，2014年），计算神经科学（Giusti，Pastalkova，Curto，Curto和Iskov，2015年），（Bendich，Marron，Marron，Marron，Marron，Marron，Marron，， Pieloch，＆Skwerer，2016年），计算生物学（Iyer-Pascuzzi等，2010），（Wu等人Al。，2017年）和材料科学（Kramar，Goullet，Kondic和Mischaikow，2013年），近年来列举了许多影响领域中的一些。
Topological data analysis (TDA) (Edelsbrunner & Harer, 2010), (Carlsson, 2009) is a field focused on understanding the shape and structure of data by computing topological descriptors that summarize features as connected components, loops, and voids. TDA has found wide applications across nonlinear time series analysis (Perea & Harer, 2015), computer vision (Perea & Carlsson, 2014), computational neuroscience (Giusti, Pastalkova, Curto, & Itskov, 2015), (Bendich, Marron, Miller, Pieloch, & Skwerer, 2016), computational biology (Iyer-Pascuzzi et al., 2010), (Wu et al., 2017), and materials science (Kramar, Goullet, Kondic, & Mischaikow, 2013), to name a few of the many areas of impact in recent years.