会员服务
降维是将数据从高维空间转换为低维空间，以便低维表示保留原始数据的某些有意义的属性，理想情况下接近其固有维。降维在处理大量观察和/或大量变量的领域很常见，例如信号处理，语音识别，神经信息学和生物信息学。
Towards One Model for Classical Dimensionality Reduction: A Probabilistic Perspective on UMAP and t-SNE
Arxiv
0+阅读 · 12月12日
Dimensionality Reduction Techniques for Global Bayesian Optimisation
Arxiv
0+阅读 · 12月12日
Greedy construction of quadratic manifolds for nonlinear dimensionality reduction and nonlinear model reduction
Arxiv
0+阅读 · 12月12日
S+t-SNE -- Bringing Dimensionality Reduction to Data Streams
Arxiv
0+阅读 · 12月10日
When Dimensionality Reduction Meets Graph (Drawing) Theory: Introducing a Common Framework, Challenges and Opportunities
Arxiv
0+阅读 · 12月9日
Practical Operator Sketching Framework for Accelerating Iterative Data-Driven Solutions in Inverse Problems
Arxiv
0+阅读 · 12月5日
A survey on multi-fidelity surrogates for simulators with functional outputs: unified framework and benchmark
Arxiv
0+阅读 · 12月5日
Sparse Bayesian Factor Models with Mass-Nonlocal Factor Scores
Arxiv
0+阅读 · 11月30日
Investigating Privacy Leakage in Dimensionality Reduction Methods via Reconstruction Attack
Arxiv
0+阅读 · 12月3日
Uncertainty-Aware Dimensionality Reduction for Channel Charting with Geodesic Loss
Arxiv
0+阅读 · 12月2日
Text Clustering with Large Language Model Embeddings
Arxiv
0+阅读 · 12月2日
Circuit design in biology and machine learning. I. Random networks and dimensional reduction
Arxiv
0+阅读 · 11月13日
ClusterGraph: a new tool for visualization and compression of multidimensional data
Arxiv
0+阅读 · 11月8日
On the Inherent Robustness of One-Stage Object Detection against Out-of-Distribution Data
Arxiv
0+阅读 · 11月7日
Uncertainty quantification and multi-stage variable selection for personalized treatment regimes
Arxiv
0+阅读 · 11月4日
参考链接
微信扫码咨询专知VIP会员
Top