“大数学大数据”,由牛津大学教授vidit南大大学的研讨会。

2019年3月5日

‘Big Mathematics for Big Data’, a seminar by University of Oxford GueST Speaker, Professor Vidit Nanda.

教授vidit南大开始他的讲座与我们上周五1ST 三月的。他通过展示拓扑数据分析的一些理论结果(定理),解释他的工作在他们协会的有效性,下面就来证明你的数据创建模式,反映了其业绩开始他的演讲。一个例子vidit给被使用创建一个椭圆,寻找的计算为椭圆和评估椭圆回归和线性回归的数据。

他通过研讨会,讨论如何要通过数据可以判断已经被之前使用的技术的重要性,指的是奥德修斯的希腊神话及其与线性和非线性的进展。在这之后,他便用一个滑稽的定义拓扑结构,描述其为分析师和几何学家带走测量(地标),并统计结果。连接这一点,他让观众知道几何的历史,它的熟悉/链接的拓扑结构,以及如何欧拉特征数是拓扑的诞生。

他然后通过谈论链复合体进行,是向量空间和线性地图和示例的序列以涉及这将是对一个三角形三个边缘的边界处,产生0 vidit的撰写继续解释这个链的同源性复杂的和如何/为什么它是商向量空间这反映了拓扑,表示贝蒂数的实施例和通过图指的是其关联到欧拉特征。

vidit会用他的电脑通过点制定出图像和使用的另一种方式来看待连接的拓扑结构和同源性,用生命和死亡的比例,以反映无效的填充与清空的位置数据。具有持久性图和同源性使用在一维和二维尺度来计算连接的部件,新的乳腺癌是通过比较汉明距离制表其不同意的插槽发现。新的乳腺癌被发现,CMY-B,有100%的成活率,是可恢复的,但最初被与其他形式的癌症治疗方法。

他讨论了持续性的同源性的另一种应用是移动传感器覆盖准则,以躲避传感器是使用拓扑发现它存在负空间不变白的部分最简单的方法。测量将是这个假设无效。这样持续到蛋白质可压缩性,推定的压力的压缩的变化与一个固定温度。不测量原子中心,从核心生长球将确定原子之间的距离作为生长圆的边缘相交会揭示的距离,这将揭示可压缩性。在持久性图的点的生死进行在研讨会以反映发现蛋白质的点的端部示出,露出19个可压缩outliners,2在25测定在标尺的任一端和1是在中心处测量0。

来自英国牛津的教授vidit南大大学主讲嘉宾,让我们更好地了解他的研究和进展持久的同源性。本次研讨会也给学生和员工有机会从“大数学大数据”,可能引入新的知识变成自己研究的讨论中受益。对于谁可能会考虑在计算或为那些谁可能有兴趣一般一个疗程的个体,这些讨论提供了一个深入了解当前学生的研究,并在那里将带领他们。

了解更多关于我们 在计算课程.

了解更多 有关教授vidit南达和他将来的研讨会。