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。
Reweighted Manifold Learning of Collective Variables from Enhanced Sampling Simulations
Arxiv
0+阅读 · 4月3日
Genetic Programming for Explainable Manifold Learning
Arxiv
0+阅读 · 3月21日
Nonlinear Manifold Learning Determines Microgel Size from Raman Spectroscopy
Arxiv
0+阅读 · 3月13日
Quantifying Manifolds: Do the manifolds learned by Generative Adversarial Networks converge to the real data manifold
Arxiv
0+阅读 · 3月8日
Learning on manifolds without manifold learning
Arxiv
1+阅读 · 2月20日
Applications of No-Collision Transportation Maps in Manifold Learning
Arxiv
0+阅读 · 2月16日
Motion Planning on Visual Manifolds
Arxiv
0+阅读 · 2月19日
Trace Ratio Based Manifold Learning with Tensor Data
Arxiv
0+阅读 · 2月14日
On Wasserstein distances for affine transformations of random vectors
Arxiv
0+阅读 · 2月7日
Curvature-Balanced Feature Manifold Learning for Long-Tailed Classification
Arxiv
0+阅读 · 1月18日
Conditional expectation using compactification operators
Arxiv
0+阅读 · 1月8日
Scalable manifold learning by uniform landmark sampling and constrained locally linear embedding
Arxiv
0+阅读 · 1月5日
Scalable manifold learning by uniform landmark sampling and constrained locally linear embedding
Arxiv
0+阅读 · 1月2日
Neural Implicit Manifold Learning for Topology-Aware Density Estimation
Arxiv
0+阅读 · 2023年12月21日
SPDGAN: A Generative Adversarial Network based on SPD Manifold Learning for Automatic Image Colorization
Arxiv
0+阅读 · 2023年12月21日
参考链接
父主题
数据降维
微信扫码咨询专知VIP会员
Top