会员服务
流形学习，全称流形学习方法(Manifold Learning)，自2000年在著名的科学杂志《Science》被首次提出以来，已成为信息科学领域的研究热点。在理论和应用上，流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质，找到产生数据的内在规律。
Analyzing Deep Transformer Models for Time Series Forecasting via Manifold Learning
Arxiv
0+阅读 · 10月17日
Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
Arxiv
0+阅读 · 10月18日
Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
Arxiv
0+阅读 · 10月16日
Semi-Supervised Manifold Learning with Complexity Decoupled Chart Autoencoders
Arxiv
0+阅读 · 10月4日
BSNMani: Bayesian Scalar-on-network Regression with Manifold Learning
Arxiv
0+阅读 · 10月3日
Recovering Manifold Structure Using Ollivier-Ricci Curvature
Arxiv
0+阅读 · 10月2日
Manifold Learning via Foliations and Knowledge Transfer
Arxiv
0+阅读 · 9月11日
A Metric-based Principal Curve Approach for Learning One-dimensional Manifold
Arxiv
0+阅读 · 8月28日
A Metric-based Principal Curve Approach for Learning One-dimensional Manifold
Arxiv
0+阅读 · 9月7日
A manifold learning approach to nonlinear model order reduction of quasi-static problems in solid mechanics
Arxiv
0+阅读 · 8月22日
Weighed l1 on the simplex: Compressive sensing meets locality
Arxiv
0+阅读 · 8月2日
Resampling and averaging coordinates on data
Arxiv
0+阅读 · 8月2日
Manifold Learning by Mixture Models of VAEs for Inverse Problems
Arxiv
0+阅读 · 8月12日
Learning on manifolds without manifold learning
Arxiv
0+阅读 · 8月18日
K-Deep Simplex: Deep Manifold Learning via Local Dictionaries
Arxiv
0+阅读 · 7月30日
参考链接
父主题
数据降维
微信扫码咨询专知VIP会员
Top