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。
“看不见”的图深度学习=流形学习 2.0?
AI科技评论
1+阅读 · 2020年10月2日
「Smile」一下,轻松用Java玩转机器学习
量子位
0+阅读 · 2020年8月31日
周博磊:十年之间的CVPR与我们
CVer
0+阅读 · 2020年2月25日
重新思考图卷积网络:GNN只是一种滤波器
新智元
28+阅读 · 2019年6月3日
t-SNE:最好的降维方法之一
人工智能前沿讲习班
25+阅读 · 2019年2月24日
npj: 人工智能—4D显微图像的多维学习
知社学术圈
1+阅读 · 2019年1月29日
大讲堂 | 稀疏流形变换 & 基于最大熵的CTC改进算法
AI科技评论
1+阅读 · 2018年12月28日
大讲堂 | 稀疏流形变换 & 基于最大熵的CTC改进算法
AI科技评论
1+阅读 · 2018年12月28日
参考链接
父主题
微信扫码咨询专知VIP会员