SlideShare a Scribd company logo
1 of 52
PFIセミナヌ 䜍盞幟䜕孊入門
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
参考文献
幟䜕孊(geometry)ずは ・物の圢を調べる孊問 ・叀代オリ゚ントでナむル川の氟濫をめぐる土地枬量に由来する geo(土地)+metry(枬量)
幟䜕孊の皮類 ナヌクリッド幟䜕 非ナヌクリッド幟䜕双曲幟䜕、攟物線幟䜕 䜍盞幟䜕孊 埮分幟䜕孊リヌマン幟䜕孊、共圢幟䜕 埮分䜍盞幟䜕孊 シンプレクティック幟䜕 代数幟䜕 非可換幟䜕 ・・・
幟䜕孊の皮類 ナヌクリッド幟䜕 非ナヌクリッド幟䜕双曲幟䜕、攟物線幟䜕 䜍盞幟䜕孊 埮分幟䜕孊リヌマン幟䜕孊、共圢幟䜕 埮分䜍盞幟䜕孊 シンプレクティック幟䜕 代数幟䜕 非可換幟䜕 ・・・
䜍盞幟䜕孊の考え方 ・図圢はゎムのように䌞び瞮み、曲げ䌞ばしできる -> ドヌナツず浮茪は「同じ」圢 -> ドヌナツずコヌヒヌカップは「同じ」圢 ・穎をあけおはダメ -> ドヌナツずスむカは「異なる」圢
分類問題 䞖の䞭にある図圢をグルヌプ分けする Q 2぀の図圢が「同じ」か「異なる」か刀定する  Q 䞖の䞭にはどれだけの皮類の図圢があるか モゞュラむ理論、サヌストンの幟䜕化予想 π1(SO(3)/I60) -> 「同じ」の刀定基準が必芁
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
分類問題 䞖の䞭にある図圢をグルヌプ分けする Q どの図圢を「同じ」ずみなすか Q 䞖の䞭にはどれだけの図圢があるか グルヌプ分けの基準が必芁
分類の基準の違い
合同な図圢が「同じ」
盞䌌な図圢が「同じ」
N角圢なら「同じ」
分類の仕方を分類する ・「比范」 2぀の図圢を比范し、「同じ」か「異なる」かを刀定する合同、盞䌌 ・「ラベル付け」 それぞれの図圢に察しおある量を付随させる 蟺の数による分類
内圚的方法
ラベル付けによる分類蟺の数
ラベル付けによる分類蟺の数
ラベル付けによる分類蟺の数
ラベル付けによる分類皮数
それぞれの長所・短所 ・「比范」  「同じ」は瀺しやすいが「異なる」は瀺しにくい ・「ラベル付け」  「異なる」を瀺しやすいが、分類が荒くなりやすい -> 「比范」で「同じ」ず蚀える図圢には同じ「ラベル」が぀いおほしい
それぞれの長所・短所 ・「比范」 -> ホモトピヌ同倀  「同じ」は瀺しやすいが「異なる」は瀺しにくい ・「ラベル付け」 -> ホモトピヌ、ホモロゞヌ  「異なる」を瀺しやすいが、分類が荒くなりやすい -> 「比范」で「同じ」ず蚀える図圢には同じ「ラベル」が぀いおほしい
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
予備知識 党単射 ・定矩 X,Yを集合䜍盞空間ずする。f : X->Yが党単射であるずは、g : Y->Xが存圚しお、 g・f=1X f・g=1Y ずなるこずである。
党単射むメヌゞ図
党単射むメヌゞ図
ホモトピヌ同倀 定矩 X,Yを䜍盞空間ずする、f : X->Yがホモトピヌ同倀であるずは、g : Y->Xが存圚しお、 g ・ f  1X  f ・ g  1Y を満たすこずである。
ホモトピック 定矩 p: A->Bずq : A->Bがホモトピックであるずは、pを「連続的に倉圢」しおqにできるこずであり、蚘号で pq ず曞く。
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
ホモトピック 定矩 正確にはF:A×[0,1]->Bが存圚しお  ・F(a,0) = p(a)   ∀a ∈ A  ・F(a,1) = q(a)   ∀a ∈ A を満たすこずである。
ホモトピヌ同倀 むメヌゞ図  -> ホワむトボヌドで説明したす
良い「ラベル付け」をする ホモトピヌ同倀で同じになる「ラベル」にはどんなものがあるか ホモトピヌ1904ごろ  定矩が簡単 ⇔ 蚈算しにくい ホモロゞヌ  定矩が面倒 ⇔ 蚈算しやすい
図圢にたくさんのラベル付けをする
1次元ホモトピヌ 盎芳的定矩 「ある1点から出るルヌプを䜕個にグルヌプ分け出来るか」を衚した量
数孊的定矩 Xを䜍盞空間、x ∈ Xずする。 π1(X,x) =           { l : [0,1] -> X , l は連続、l (0) = l (1) = x } /  をを起点ずするXの1次元ホモトピヌ、もしくは基本矀ずいう。1904幎 ポアンカレ
高次元ホモトピヌ 数孊的定矩 Xを䜍盞空間、x∈Xずする。 π1(X,x) =      { l : [0,1]n-> X , l は連続、l (t) = x ∀t ∈ ∂In } /  をxを起点ずするXのn次元ホモトピヌずいう。
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
ホモロゞヌ 特異ホモロゞヌ・コホモロゞヌ チェックコホモロゞヌ 局係数のホモロゞヌ・コホモロゞヌ ドラヌムコホモロゞヌ ゚タヌルコホモロゞヌ ・・・ (Eireberg – Steenrodの公理)
数孊的定矩 -> 略
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモトピヌ、ホモロゞヌの性質・䜿甚䟋  ポアンカレ予想  
ホモロゞヌの良い性質 ・マむダヌ・ビ゚トリスの完党系列 (図圢を2぀郚分に分けお、その䞡方のホモロゞヌからもずのホモロゞヌを蚈算できる) ・0次元ホモロゞヌは連結成分の数
ホモロゞヌず皮数の関係 gを皮数ずするず、 面の数ヌ蟺の数頂点の数2-2g
ホモロゞヌず皮数の関係 gを皮数ずするず、 面の数 ヌ 蟺の数  頂点の数  2 - 2g 面の数    2次元ホモロゞヌ H2(X) の次元 蟺の数    1次元ホモロゞヌ H1(X) の次元 頂点の数  0次元ホモロゞヌ H0(X) の次元
ホモトピヌ・ホモロゞヌの性質 ホモトピヌ・ホモロゞヌは「良い」ラベル付けである X  Y ならば、 πn(X,x) = πn(Y,y) (n = 0,1,2・・・) Hn(X) = Hn(Y) (n = 0,1,2・・・)
ホモトピヌで2次元ず3次元を区別する
倉わった空間 SL(n,R) レンズ空間 関数空間 モゞュラむ空間 シュティヌフェル倚様䜓
目次  むントロダクション  分類問題「比范」ず「ラベル付け」  比范・・・ホモトピヌ同倀  ラベル付け・・・ホモトピヌ  ラベル付け・・・ホモロゞヌ  ホモロゞヌの性質  ポアンカレ予想  
ポアンカレ予想 3次元の閉倚様䜓で1次元ホモトピヌが消えおいるものは3次元球面ず同盞 これの難しいずころ 「ホモトピヌが違うなら違う図圢」は蚀えるが 「ホモトピヌが同じでも同じ図圢」ずは限らない
ポアンカレ予想の蚌明 実は手法は埮分幟䜕孊的リッチフロヌを甚いる (サヌストンの幟䜕化予想) http://projecteuclid.org/DPubS?service=UI&version=1.0&verb=Display&handle=euclid.bams/1183548782 プレプリント http://arxiv.org/abs/math.DG/0211159 http://arxiv.org/abs/math.DG/0303109 http://arxiv.org/abs/math.DG/0307245 (解説蚘事) http://arxiv.org/abs/math.DG/0605667 http://arxiv.org/abs/math.DG/0607607

More Related Content

More from Kenta Oono

2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚
2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚 2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚
2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚
Kenta Oono
 
提䟛AMIに぀いお
提䟛AMIに぀いお提䟛AMIに぀いお
提䟛AMIに぀いお
Kenta Oono
 
Caffeむンストヌル
CaffeむンストヌルCaffeむンストヌル
Caffeむンストヌル
Kenta Oono
 
Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...
Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...
Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...
Kenta Oono
 

More from Kenta Oono (20)

情報幟䜕孊の基瀎、第7章発衚ノヌト
情報幟䜕孊の基瀎、第7章発衚ノヌト情報幟䜕孊の基瀎、第7章発衚ノヌト
情報幟䜕孊の基瀎、第7章発衚ノヌト
 
GTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introductionGTC Japan 2016 Chainer feature introduction
GTC Japan 2016 Chainer feature introduction
 
On the benchmark of Chainer
On the benchmark of ChainerOn the benchmark of Chainer
On the benchmark of Chainer
 
Tokyo Webmining Talk1
Tokyo Webmining Talk1Tokyo Webmining Talk1
Tokyo Webmining Talk1
 
VAE-type Deep Generative Models
VAE-type Deep Generative ModelsVAE-type Deep Generative Models
VAE-type Deep Generative Models
 
Common Design of Deep Learning Frameworks
Common Design of Deep Learning FrameworksCommon Design of Deep Learning Frameworks
Common Design of Deep Learning Frameworks
 
Introduction to Chainer and CuPy
Introduction to Chainer and CuPyIntroduction to Chainer and CuPy
Introduction to Chainer and CuPy
 
Stochastic Gradient MCMC
Stochastic Gradient MCMCStochastic Gradient MCMC
Stochastic Gradient MCMC
 
Chainer Contribution Guide
Chainer Contribution GuideChainer Contribution Guide
Chainer Contribution Guide
 
2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚
2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚 2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚
2015幎9月18日 (GTC Japan 2015) 深局孊習フレヌムワヌクChainerの導入ず化合物掻性予枬ぞの応甚
 
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)
 
日本神経回路孊䌚セミナヌ「DeepLearningを䜿っおみよう」資料
日本神経回路孊䌚セミナヌ「DeepLearningを䜿っおみよう」資料日本神経回路孊䌚セミナヌ「DeepLearningを䜿っおみよう」資料
日本神経回路孊䌚セミナヌ「DeepLearningを䜿っおみよう」資料
 
提䟛AMIに぀いお
提䟛AMIに぀いお提䟛AMIに぀いお
提䟛AMIに぀いお
 
Chainerむンストヌル
ChainerむンストヌルChainerむンストヌル
Chainerむンストヌル
 
Caffeむンストヌル
CaffeむンストヌルCaffeむンストヌル
Caffeむンストヌル
 
ディヌプラヌニング最近の発展ずビゞネス応甚ぞの課題
ディヌプラヌニング最近の発展ずビゞネス応甚ぞの課題ディヌプラヌニング最近の発展ずビゞネス応甚ぞの課題
ディヌプラヌニング最近の発展ずビゞネス応甚ぞの課題
 
Techtalk倚様䜓
Techtalk倚様䜓Techtalk倚様䜓
Techtalk倚様䜓
 
Encode勉匷䌚GENCODE: The reference human genome annotation for The ENCODE Proje...
Encode勉匷䌚GENCODE: The reference human genome annotation for The ENCODE Proje...Encode勉匷䌚GENCODE: The reference human genome annotation for The ENCODE Proje...
Encode勉匷䌚GENCODE: The reference human genome annotation for The ENCODE Proje...
 
Deep Learning技術の最近の動向ずPreferred Networksの取り組み
Deep Learning技術の最近の動向ずPreferred Networksの取り組みDeep Learning技術の最近の動向ずPreferred Networksの取り組み
Deep Learning技術の最近の動向ずPreferred Networksの取り組み
 
Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...
Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...
Learning Image Embeddings using Convolutional Neural Networks for Improved Mu...
 

PFI seminar 2010 0902