连续映射研究论文

深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。 一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。 在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。 用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。 而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。 而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。 人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。 深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。 但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。 一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。 然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。 例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。 对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。 这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。 如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？ 换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？ 这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。 在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。 根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。 此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。 这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。 该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。 两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。 表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。 最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。 该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。 如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。 再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。 在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。 随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。 最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。 总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。 除了这篇 这篇 研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]

你就交一篇关于拓扑学的文章吧！以下是资料，自己挑挑拣拣点有用的吧！我就不帮你了，（飘走~~~~）拓扑学拓扑定义是近代发展起来的一个研究连续性现象的数学分支。中文名称起源于希腊语Τοπολογία的音译。Topology原意为地貌，于19世纪中期由科学家引入，当时主要研究的是出于数学分析的需要而产生的一些几何问题。发展至今，拓扑学主要研究拓扑空间在拓扑变换下的不变性质和不变量。举例来说，在通常的平面几何里，把平面上的一个图形搬到另一个图形上，如果完全重合，那么这两个图形叫做全等形。但是，在拓扑学里所研究的图形，在运动中无论它的大小或者形状都发生变化。在拓扑学里没有不能弯曲的元素，每一个图形的大小、形状都可以改变。例如，前面讲的欧拉在解决哥尼斯堡七桥问题的时候，他画的图形就不考虑它的大小、形状，仅考虑点和线的个数。这些就是拓扑学思考问题的出发点。简单地说，拓扑就是研究有形的物体在连续变换下，怎样还能保持性质不变。编辑本段拓扑性质拓扑性质有那些呢？首先我们介绍拓扑等价，这是比较容易理解的一个拓扑性质。在拓扑学里不讨论两个图形全等的概念，但是讨论拓扑等价的概念。比如，尽管圆和方形、三角形的形状、大小不同，在拓扑变换下，它们都是等价图形。换句话讲，就是从拓扑学的角度看，它们是完全一样的。在一个球面上任选一些点用不相交的线把它们连接起来，这样球面就被这些线分成许多块。在拓扑变换下，点、线、块的数目仍和原来的数目一样，这就是拓扑等价。一般地说，对于任意形状的闭曲面，只要不把曲面撕裂或割破，他的变换就是拓扑变幻，就存在拓扑等价。应该指出，环面不具有这个性质。比如像左图那样，把环面切开，它不至于分成许多块，只是变成一个弯曲的圆桶形，对于这种情况，我们就说球面不能拓扑的变成环面。所以球面和环面在拓扑学中是不同的曲面。直线上的点和线的结合关系、顺序关系，在拓扑变换下不变，这是拓扑性质。在拓扑学中曲线和曲面的闭合性质也是拓扑性质。我们通常讲的平面、曲面通常有两个面，就像一张纸有两个面一样。但德国数学家莫比乌斯(1790～1868)在1858年发现了莫比乌斯曲面。这种曲面就不能用不同的颜色来涂满两个侧面。拓扑变换的不变性、不变量还有很多，这里不在介绍。编辑本段拓扑发展拓扑学建立后，由于其它数学学科的发展需要，它也得到了迅速的发展。特别是黎曼创立黎曼几何以后，他把拓扑学概念作为分析函数论的基础，更加促进了拓扑学的进展。二十世纪以来，集合论被引进了拓扑学，为拓扑学开拓了新的面貌。拓扑学的研究就变成了关于任意点集的对应的概念。拓扑学中一些需要精确化描述的问题都可以应用集合来论述。因为大量自然现象具有连续性，所以拓扑学具有广泛联系各种实际事物的可能性。通过拓扑学的研究，可以阐明空间的集合结构，从而掌握空间之间的函数关系。本世纪三十年代以后，数学家对拓扑学的研究更加深入，提出了许多全新的概念。比如，一致性结构概念、抽象距概念和近似空间概念等等。有一门数学分支叫做微分几何，是用微分工具来研究取线、曲面等在一点附近的弯曲情况，而拓扑学是研究曲面的全局联系的情况，因此，这两门学科应该存在某种本质的联系。1945年，美籍中国数学家陈省身建立了代数拓扑和微分几何的联系，并推进了整体几何学的发展。拓扑学发展到今天，在理论上已经十分明显分成了两个分支。一个分支是偏重于用分析的方法来研究的，叫做点集拓扑学，或者叫做分析拓扑学。另一个分支是偏重于用代数方法来研究的，叫做代数拓扑。现在，这两个分支又有统一的趋势。拓扑学在泛函分析、李群论、微分几何、微分方程额其他许多数学分支中都有广泛的应用。编辑本段发展简史拓扑学起初叫形势分析学，这是.莱布尼茨1679年提出的名词(中文译成形势，形指一个图形本身的性质，势指一个图形与其子图形相对的性质，经过20世纪30年代中期起布尔巴基学派的补充（一致性空间、仿紧性等）和整理，纽结和嵌入问题就是势的问题)。随后波兰学派和苏联学派对拓扑空间的基本性质（分离性、紧性、连通性等）做了系统的研究。L.欧拉1736年解决了七桥问题，1750年发表了多面体公式;.高斯1833年在电动力学中用线积分定义了空间中两条封闭曲线的环绕数。拓扑学这个词（中文是音译）是.利斯廷提出的(1847)，源自希腊文(位置、形势)与(学问)。这是萌芽阶段。1851年起，B.黎曼在复函数的研究中提出了黎曼面的几何概念，并且强调，为了研究函数、研究积分，就必须研究形势分析学。从此开始了拓扑学的系统研究，在点集论的思想影响下，黎曼本人解决了可定向闭曲面的同胚分类问题。如聚点（极限点）、开集、闭集、稠密性、连通性等。在几何学的研究中黎曼明确提出n维流形的概念(1854)。得出许多拓扑概念，组合拓扑学的奠基人是H.庞加莱。他是在分析学和力学的工作中，特别是关于复函数的单值化和关于微分方程决定的曲线的研究中，引向拓扑学问题的，但他的方法有时不够严密，他的主要兴趣在n维流形。在1895～1904年间，他创立了用剖分研究流形的基本方法。他引进了许多不变量：基本群、同调、贝蒂数、挠系数，并提出了具体计算的方法。他引进了许多不变量：基本群、同调、贝蒂数、挠系数，他探讨了三维流形的拓扑分类问题，提出了著名的庞加莱猜想。他留下的丰富思想影响深远，但他的方法有时不够严密，过多地依赖几何直观。特别是关于复函数的单值化和关于微分方程决定的曲线的研究中，拓扑学的另一渊源是分析学的严密化。他是在分析学和力学的工作中，实数的严格定义推动G.康托尔从1873年起系统地展开了欧氏空间中的点集的研究，得出许多拓扑概念，如聚点（极限点）、开集、闭集、稠密性、连通性等。在点集论的思想影响下，分析学中出现了泛函数（即函数的函数）的观念，把函数集看成一种几何对象并讨论其中的极限。这终于导致抽象空间的观念。这样，B.黎曼在复函数的研究中提出了黎曼面的几何概念，到19、20世纪之交，已经形成了组合拓扑学与点集拓扑学这两个研究方向。这是萌芽阶段。一般拓扑学 最早研究抽象空间的是.弗雷歇，在1906年引进了度量空间的概念。F.豪斯多夫在《集论大纲》（1914）中用开邻域定义了比较一般的拓扑空间，标志着用公理化方法研究连续性的一般拓扑学的产生。L.欧拉1736年解决了七桥问题，随后波兰学派和苏联学派对拓扑空间的基本性质（分离性、紧性、连通性等）做了系统的研究。经过20世纪30年代中期起布尔巴基学派的补充（一致性空间、仿紧性等）和整理，一般拓扑学趋于成熟，成为第二次世界大战后数学研究的共同基础。从其方法和结果对于数学的影响看，紧拓扑空间和完备度量空间的理论是最重要的。紧化问题和度量化问题也得到了深入的研究。公理化的一般拓扑学晚近的发展可见一般拓扑学。欧氏空间中的点集的研究，例如，一直是拓扑学的重要部分，已发展成一般拓扑学与代数拓扑学交汇的领域，也可看作几何拓扑学的一部分。50年代以来，即问两个映射，以.宾为代表的美国学派的工作加深了对流形的认识，是问两个给定的映射是否同伦，在四维庞加莱猜想的证明中发挥了作用。从皮亚诺曲线引起的维数及连续统的研究，习惯上也看成一般拓扑学的分支。代数拓扑学 .布劳威尔在1910～1912年间提出了用单纯映射逼近连续映射的方法， 许多重要的几何现象，用以证明了不同维的欧氏空间不同胚，它们就不同胚。引进了同维流形之间的映射的度以研究同伦分类，并开创了不动点理论。他使组合拓扑学在概念精确、论证严密方面达到了应有的标准，而欧拉数υ-e+ƒ>则是）。成为引人瞩目的学科。紧接着，.亚历山大1915年证明了贝蒂数与挠系数的拓扑不变性。如连通性、紧性），随着抽象代数学的兴起，1925年左右.诺特提议把组合拓扑学建立在群论的基础上，在她的影响下H.霍普夫1928年定义了同调群。从此组合拓扑学逐步演变成利用抽象代数的方法研究拓扑问题的代数拓扑学。如维数、欧拉数，S.艾伦伯格与.斯廷罗德1945年以公理化的方式总结了当时的同调论，后写成《代数拓扑学基础》(1952)，对于代数拓扑学的传播、应用和进一步发展起了巨大的推动作用。他们把代数拓扑学的基本精神概括为：把拓扑问题转化为代数问题，通过计算来求解。同调群，以及在30年代引进的上同调环，都是从拓扑到代数的过渡（见同调论）。直到今天，三角形与圆形同胚；而直线与圆周不同胚，同调论（包括上同调）所提供的不变量仍是拓扑学中最易于计算的，因而也最常用的。不必加以区别。同伦论研究空间的以及映射的同伦分类。W.赫维茨1935～1936年间引进了拓扑空间的n维同伦群，其元素是从n维球面到该空间的映射的同伦类，而且ƒ同它的逆映射ƒ-1:B→A都是连续的，一维同伦群恰是基本群。同伦群提供了从拓扑到代数的另一种过渡，确切的含义是同胚。其几何意义比同调群更明显， 前面所说的几何图形的连续变形，但是极难计算。同伦群的计算，特别是球面的同伦群的计算问题刺激了拓扑学的发展，产生了丰富多彩的理论和方法。1950年.塞尔利用J.勒雷为研究纤维丛的同调论而发展起来的谱序列这个代数工具，最简单的例子是欧氏空间。在同伦群的计算上取得突破，为其后拓扑学的突飞猛进开辟了道路。从50年代末在代数几何学和微分拓扑学的影响下产生了K 理论，解决了关于流形的一系列拓扑问题开始，出现了好几种广义同调论。它们都是从拓扑到代数的过渡，就是一个广义的几何图形。尽管几何意义各不相同，如物理学中一个系统的所有可能的状态组成所谓状态空间，代数性质却都与同调或上同调十分相像，是代数拓扑学的有力武器。从理论上也弄清了，同调论（普通的和广义的）本质上是同伦论的一部分。从微分拓扑学到几何拓扑学 微分拓扑学是研究微分流形与微分映射的拓扑学。这些性质与长度、角度无关，.拉格朗日、B.黎曼、H.庞加莱早就做过微分流形的研究；随着代数拓扑学和微分几何学的进步， 以上这些例子启示了：几何图形还有一些不能用传统的几何方法来研究的性质。在30年代重新兴起。H.惠特尼1935年给出了微分流形的一般定义，并证明它总能嵌入高维欧氏空间作为光滑的子流形。为了研究微分流形上的向量场，他还提出了纤维丛的概念，从而使许多几何问题都与上同调（示性类）和同伦问题联系起来了。1953年R.托姆的协边理论(见微分拓扑学)开创了微分拓扑学与代数拓扑学并肩跃进的局面，许多困难的微分拓扑问题被化成代数拓扑问题而得到解决，同时也刺激了代数拓扑学的进一步发展。从动点指向其像点的向量转动的圈数。1956年.米尔诺发现七维球面上除了通常的微分结构之外，还有不同寻常的微分结构。每个不动点也有个“指数”，随后，不能赋以任何微分结构的流形又被人构作出来，这些都显示拓扑流形、微分流形以及介于其间的分段线性流形这三个范畴有巨大的差别，微分拓扑学也从此被公认为一个独立的拓扑学分支。1960年S.斯梅尔证明了五维以上微分流形的庞加莱猜想。.米尔诺等人发展了处理微分流形的基本方法——剜补术，使五维以上流形的分类问题亦逐步趋向代数化。近些年来，有关流形的研究中，几何的课题、几何的方法取得不少进展。突出的领域如流形的上述三大范畴之间的关系以及三维、四维流形的分类。80年代初的重大成果有：证明了四维庞加莱猜想，发现四维欧氏空间竟还有不同寻常的微分结构。这种种研究，通常泛称几何拓扑学，以强调其几何色彩，而环面上却可以造出没有奇点的向量场。区别于代数味很重的同伦论。拓扑学与其他学科的关系 连续性与离散性这对矛盾在自然现象与社会现象中普遍存在着，数学也可以粗略地分为连续性的与离散性的两大门类。拓扑学对于连续性数学自然是带有根本意义的，对于离散性数学也起着巨大的推进作用。例如，拓扑学的基本内容已经成为现代数学工作者的常识。拓扑学的重要性，体现在它与其他数学分支、其他学科的相互作用。拓扑学与微分几何学有着血缘关系， target="_blank">向量场问题 考虑光滑曲面上的连续的切向量场，它们在不同的层次上研究流形的性质。就看其中是否不含有这两个图之一。为了研究黎曼流形上的测地线，一个网络是否能嵌入平面，.莫尔斯在20世纪20年代建立了非退化临界点理论，把流形上光滑函数的临界点的指数与流形本身的贝蒂数联系起来，并发展成大范围变分法。莫尔斯理论后来又用于拓扑学中，证明了典型群的同伦群的博特周期性(这是K 理论的基石)，并启示了处理微分流形的剜补术。微分流形、纤维丛、示性类给É.嘉当的整体微分几何学提供了合适的理论框架，也从中获取了强大的动力和丰富的课题。G.皮亚诺在1890年竟造出一条这样的“曲线”，陈省身在40年代引进了“陈示性类”，就不但对微分几何学影响深远，随一个参数（时间）连续变化的动点所描出的轨迹就是曲线。对拓扑学也十分重要。朴素的观念是点动成线，纤维丛理论和联络论一起为理论物理学中杨－米尔斯规范场论（见杨－米尔斯理论）提供了现成的数学框架， 维数问题 ">维数问题 什么是曲线？犹如20世纪初黎曼几何学对于A.爱因斯坦广义相对论的作用。规范场的研究又促进了四维的微分拓扑学出人意料的进展。拓扑学对于分析学的现代发展起了极大的推动作用。随着科学技术的发展，需要研究各式各样的非线性现象，分析学更多地求助于拓扑学。要问一个结能否解开（即能否变形成平放的圆圈），3O年代J.勒雷和.绍德尔把.布劳威尔的不动点定理和映射度理论推广到巴拿赫空间形成了拓扑度理论。后者以及前述的临界点理论，纽结问题 ">纽结问题 空间中一条自身不相交的封闭曲线，都已成为研究非线性偏微分方程的标准的工具。所以这颜色数也是曲面在连续变形下不变的性质。微分拓扑学的进步，促进了分析学向流形上的分析学(又称大范围分析学)发展。在托姆的影响下，然后随意扭曲，微分映射的结构稳定性理论和奇点理论已发展成为重要的分支学科。S.斯梅尔在60年代初开始的微分动力系统的理论，要七色才够。就是流形上的常微分方程论。.阿蒂亚等人60年代初创立了微分流形上的椭圆型算子理论。著名的阿蒂亚－辛格指标定理把算子的解析指标与流形的示性类联系起来，是分析学与拓扑学结合的范例。现代泛函分析的算子代数已与K 理论、指标理论、叶状结构密切相关。在多复变函数论方面，来自代数拓扑的层论已经成为基本工具。拓扑学的需要大大刺激了抽象代数学的发展，并且形成了两个新的代数学分支：同调代数与代数K 理论。 四色问题 在平面或球面上绘制地图，代数几何学从50年代以来已经完全改观。把曲面变形成多面体后的欧拉数υ-e+ƒ在其中起着关键的作用（见 target=_blank>闭曲面的分类).托姆的协边论直接促使代数簇的黎曼－罗赫定理的产生，后者又促使拓扑K 理论的产生。现代代数几何学已完全使用上同调的语言，在连续变形下封闭曲面有多少种不同类型？代数数论与代数群也在此基础上取得许多重大成果，例如有关不定方程整数解数目估计的韦伊猜想和莫德尔猜想的证明（见代数数论）。范畴与函子的观念，是在概括代数拓扑的方法论时形成的。范畴论已深入数学基础、代数几何学等分支（见范畴）；对拓扑学本身也有影响，通俗的说法是框形里有个洞。如拓扑斯的观念大大拓广了经典的拓扑空间观念。凸形与框形之间有比长短曲直更本质的差别，在经济学方面，这说明，J.冯·诺伊曼首先把不动点定理用来证明均衡的存在性。在现代数理经济学中，对于经济的数学模型，均衡的存在性、性质、计算等根本问题都离不开代数拓扑学、微分拓扑学、大范围分析的工具。在系统理论、对策论、规划论、网络论中拓扑学也都有重要应用。托姆以微分拓扑学中微分映射的奇点理论为基础创立了突变理论，为从量变到质变的转化提供各种数学模式。在物理学、化学、生物学、语言学等方面已有不少应用"欧拉的多面体公式与曲面的分类 ">欧拉的多面体公式与曲面的分欧拉发现，除了通过各数学分支的间接的影响外，拓扑学的概念和方法对物理学(如液晶结构缺陷的分类)、化学（如分子的拓扑构形）、生物学(如DNA的环绕、拓扑异构酶)都有直接的应用。拓扑学与各数学领域、各科学领域之间的边缘性研究方兴未艾。