AITOP

降维

共 4 条相关 AI 资讯
7月31日
11:34
11:34官方账号arXiv cs.LG@Jaume Ros, Alessio Arleo, Fernando Paulovich
作者提出Gap Index（GI）质量指标，通过将二维投影空间分解为空白三角形，并与高维对应部分比较来计算变形。该指标可以聚合为单一标量值，也可叠加在投影上可视化局部失真模式。实验表明，与常见质量指标不同，GI能捕捉具有高视觉影响的小型结构变形，且计算快速、可解释。
论文Gap Index降维散点图
推荐理由：降维图里的空白区域也会失真，这个新指标能发现其他指标看不出的视觉变形，论文不长，想学方法可以看看。
原文
7月13日
09:25
09:25官方账号arXiv cs.LG@Alexander Munteanu, Matteo Russo, David Saulpic, Chris Schwiegelshohn
该论文提出了一种保持线段结构的终端嵌入，解决了传统终端嵌入无法处理直线插值等线性结构的问题。利用该嵌入，作者获得了首个无维度依赖的时间序列聚类coresets，基于Fréchet距离。实验在合成和真实时间序列数据上显示，终端嵌入性能与Johnson-Lindenstrauss嵌入相当，且优于PCA。
论文终端嵌入时间序列降维
推荐理由：这篇论文把终端嵌入推广到了线段结构，首次做出了无维度依赖的时间序列聚类coresets，比PCA效果还好。
原文
7月8日
10:13
10:13官方账号arXiv cs.LG@Raul Jimenez, Svitlana Mayboroda, Pavlos Protopapas, Leonid Sarieddine, David N. Spergel, Pedro Tarancón-Álvarez
该论文提出一种基于多头物理信息神经网络（multihead PINN）的框架，通过共享体学习潜在流形、线性头重建不同初始条件的解，并引入头正交化惩罚消除退化。在潜在维度n_b=20时，对一维粘性Burgers方程，2-4个主成分捕获约95%的潜在空间方差，4-7个捕获约99%。方法同样在热方程和波动方程上验证了压缩效果。频率谱分析显示主成分的波数分布在不同训练运行间可重现，成为解流形几何的稳健观测值。
论文Physics-Informed Neural NetworkPDEBurgers方程
推荐理由：这篇论文用PINN把复杂偏微分方程的解空间压缩到几个主成分，95%的信息只需头4个维度，做科学计算或模型简化的人值得一看。
原文
6月15日
11:12