Resumen Técnico: NMF con Regularización Topológica (Top-NMF)

Planteamiento del Problema

La Factorización de Matrices No Negativas (NMF) es una técnica estándar para descomponer datos no negativos aditivos en representaciones interpretables basadas en partes. Sin embargo, la NMF estándar suele producir vectores de base que, aunque logran un bajo error de reconstrucción, carecen de coherencia estructural. Una base dispersa puede quedar fragmentada en componentes desconectados, y una base suave puede difuminar regiones semánticamente distintas. Los métodos de regularización existentes (por ejemplo, dispersión, suavidad o coeficientes regularizados por grafos) no logran controlar directamente la estructura topológica global de los soportes de la base. Además, los intentos ingenuos de imponer la topología mediante soportes umbralizados se ven obstaculizados por la discontinuidad y la dependencia del umbral, lo que los hace inadecuados para la optimización continua.

El problema central abordado es cómo aprender funciones de base de NMF que no solo sean reconstructivas, sino que también posean propiedades topológicas específicas y apropiadas al dominio (por ejemplo, conectividad en imágenes, periodicidad en series temporales o estructuras tipo clique en grafos) de una manera compatible con la optimización basada en gradientes.

Metodología

Perspectiva Funcional y Regularización Topológica

Los autores proponen Top-NMF, un marco que trata los vectores de base no meramente como filas de una matriz, sino como funciones no negativas $v: \Omega \to \mathbb{R}_{\geq 0}$ definidas sobre un dominio estructurado $\Omega$ (por ejemplo, rejillas de imágenes, grafos o series temporales). La función objetivo aumenta la pérdida de reconstrucción estándar con una penalización topológica:
$$\min_{W, V \geq 0} L_{\text{recon}}(X, WV) + \lambda_{\text{top}} L_{\text{top}}(V)$$
donde $L_{\text{top}}(V) = \sum Q(v_j)$ es una suma de puntuaciones topológicas escalares derivadas de las funciones de base.

La Homología Persistente como Cuantificador Continuo

Para superar la inestabilidad de la topología dependiente de umbrales, el método emplea la homología persistente (PH). En lugar de analizar un único soporte umbralizado, Top-NMF construye una filtración de conjuntos supernivel (o una filtración derivada para series temporales) a partir de cada función de base. La PH rastrea el nacimiento y la muerte de características topológicas (componentes conectados, agujeros) a través de todos los umbrales, proporcionando un resumen estable y libre de dependencia de umbrales.

La puntuación topológica $Q(v)$ es un funcional escalar derivado del diagrama de persistencia. El artículo utiliza la persistencia cuadrática total (y sus variantes ponderadas) como un proxy diferenciable para las propiedades topológicas. Minimizar esta puntuación fomenta supuestos estructurales específicos:

• Conectividad (Imágenes/Señales 1D): Penalizar las barras de persistencia 0-dimensionales finitas (que representan componentes conectados que se fusionan en umbrales más bajos) fomenta un soporte único y conectado.
• Periodicidad (Series Temporales): Utilizando incrustaciones de ventana deslizante y filtraciones de Vietoris–Rips, el método apunta a la persistencia 1-dimensional (agujeros) para identificar estructuras circulares. Una penalización basada en un objetivo $(Per(v) - a)^2$ permite a los usuarios especificar niveles de periodicidad deseados.
• Estructuras tipo Clique (Grafos): Para grafos con pesos en las aristas, se introduce un novedoso funcional promotor de cliques ($CP_\alpha$). Esta puntuación se deriva de la persistencia de la filtración del grafo y puede expresarse en forma cerrada mediante un árbol de expansión de peso máximo, recompensando la fusión tardía de grupos de vértices (alta persistencia 0) y la formación temprana de ciclos (alta persistencia 1), promoviendo efectivamente subgrafos densos tipo clique.

Optimización

El problema de optimización resultante es no suave y no convexo. Los autores lo formulan dentro del marco de la geometría tame (estructuras o-minimales). Emplean un método de subgradiente proyectado (específicamente utilizando AdamW en los experimentos) donde el subgradiente del término topológico se calcula mediante la regla de la cadena a través del diagrama de persistencia o la formulación explícita del árbol de expansión. Las garantías teóricas (Proposición 6 y Teorema 7) establecen que los puntos de acumulación de las iteraciones son puntos estacionarios de Clarke bajo supuestos estándar.

Contribuciones Clave

1. Formulación Funcional: El artículo formula la NMF desde un punto de vista funcional sobre dominios estructurados, proporcionando un lenguaje unificado para definir prioridades topológicas para imágenes, series temporales y grafos.
2. Cuantificadores Topológicos Diferenciables: Demuestra cómo la homología persistente transforma los criterios de interpretabilidad discretos en regularizadores optimizables, evitando la dependencia de umbrales del análisis de soporte tradicional.
3. Instanciaciones Específicas de Dominio:
   • Desarrollo de penalizaciones de conectividad y libre de agujeros para bases de imágenes y señales.
   • Introducción de una puntuación de periodicidad para bases de series temporales utilizando incrustaciones de ventana deslizante.
   • Propuesta de un regularizador promotor de cliques ($CP_\alpha$) para señales de grafos, presentado como un descriptor basado en homología persistente con utilidad independiente para grafos con pesos en las aristas.
4. Validación Empírica: El marco se evalúa en conjuntos de datos sintéticos y del mundo real, mostrando que Top-NMF recupera bases estructuralmente coherentes (por ejemplo, picos unimodales, barras conectadas, subgrafos tipo clique y componentes rítmicos de ECG) que la NMF estándar no logra aislar, a menudo con un error de reconstrucción competitivo.

Resultados Experimentales

Los autores evalúan Top-NMF en cuatro dominios:

• Señales 1D: En la recuperación de picos Gaussianos unimodales de mezclas, Top-NMF logró una puntuación de recuperación de átomos significativamente mayor (0.997 frente a 0.772 para NMF estándar) al penalizar máximos locales secundarios, a pesar de un ligero aumento en el RMSE de reconstrucción.
• Imágenes: En átomos de barras sintéticas y glifos de Hangul, Top-NFMF recuperó con éxito componentes conectados únicos (número de Betti $\beta_0 = 1.0$), mientras que la NMF estándar produjo bases fragmentadas ($\beta_0 > 1.6$).
• Grafos: En mezclas de cliques sintéticos y datos de contacto reales de SocioPatterns de escuelas secundarias, Top-NMF separó con éxito componentes tipo clique. En el entorno del mundo real, las bases de Top-NMF mostraron una mayor masa de aristas intra-clase (0.995 frente a 0.966) en comparación con la NMF estándar y las líneas base regularizadas por red.
• Series Temporales: En la separación de señales periódicas de tendencias, Top-NMF aisló con éxito componentes periódicos distintos (onda coseno, onda triangular) y una tendencia, mientras que la NMF estándar mezcló estas características. Aplicado a los datos de ECG de MIT-BIH, el método produjo bases rítmicas y componentes residuales; utilizar solo las bases periódicas para la reconstrucción produjo un AUROC alto (0.955) para la detección de contracciones ventriculares prematuras (PVC) como anomalías, superando a la NMF estándar (0.105).

Significación y Reivindicaciones

El artículo afirma que Top-NMF proporciona un marco modular para codificar prioridades estructurales específicas del dominio directamente en el objetivo de la factorización de matrices. Su principal significación radica en desplazar el papel de la homología persistente de un extractor de características post-hoc a un componente integral y optimizable del proceso de aprendizaje.

Los autores enfatizan que el método no garantiza la optimalidad global ni resuelve el problema general de identificabilidad de la NMF; más bien, selecciona soluciones estructuralmente preferibles del conjunto de factorizaciones ambiguas basándose en la prioridad topológica impuesta. El trabajo sugiere que la homología persistente sirve como un lenguaje de modelado formal para definir las características estructurales deseadas de las representaciones aprendidas, permitiendo el aprendizaje de bases que son tanto reconstructivas como topológicamente interpretables.

El artículo reconoce limitaciones, incluyendo la sobrecarga computacional de calcular la homología persistente (aunque mitigada por formulaciones eficientes de árbol de expansión para grafos) y la dependencia de las construcciones de dominio especificadas por el usuario (por ejemplo, tipos de filtración, dimensiones de incrustación). Posiciona a Top-NMF como una herramienta para que los investigadores inyecten conocimiento de dominio sobre las estructuras de bases "buenas" en el aprendizaje no supervisado, en lugar de ser un procedimiento de descubrimiento automatizado.