Covariance Scattering Transforms: Stabile, untrainierte Netzwerke
In der Datenanalyse spielen Verfahren, die auf Kovarianzinformationen basieren, eine zentrale Rolle – von der klassischen Hauptkomponentenanalyse (PCA) bis hin zu modernen graphbasierten Netzwerken. PCA projiziert Daten auf die Eigenvektoren ihrer Kovarianzmatrix und erfasst so die Richtungen mit größter Varianz. Dabei bleiben jedoch wichtige Muster in niedrigen Varianzrichtungen verborgen, und die Methode wird bei kleinen Stichproben sowie bei fast gleichen Eigenwerten instabil.
