Nov, 2023

流形学习：是什么，怎么做，为什么

PDF
TL;DRManifold learning is a set of methods to find the low dimensional structure of data, allowing visualization, de-noising, and interpretation, with a focus on statistical foundations and parameter choices.
manifold learningdimension reductiondata visualizationstatistical foundationsparameter choices
发现论文，激发创造
  • 基于均匀地标采样和约束局部线性嵌入的可伸缩流形学习

    基于机器学习和数据科学的关键方法之一，流形学习旨在揭示高维空间中复杂非线性流形内部的内在低维结构。我们提出了一种可扩展的流形学习方法，可以高效地处理大规模和高维数据，从而应用于可视化、分类等领域。

    Jan, 2024

  • 论柏拉图洞中的流形学习 —— 兼论流形学习与物理现象

    本文通过一个简单的例子，警告我们在使用机器学习等技术进行测量时需要注意度量代表的物理现象与测量工具的度量值并不相同；本文提供的样例表明，在某些情况下这一问题可能导致我们对问题做出不正确的回答，从而提示我们在使用机器学习等技术进行测量时需要更加谨慎地进行数据处理。

    Apr, 2023

  • 遗传程序设计能否实现流形学习？

    本文提出了一种称为 GP-MaL 的演化流形学习方法，它使用可解释的树来将高维数据映射到低维空间，可以有效地降低数据特征维度，且模型具有可解释性，可以用于新数据。

    Feb, 2019

  • 利用流形先验在模型训练中融入远程学习

    本研究提出了 Distance Learner 方法，利用 “流形假设” 作为先验知识，对于 DNN-based 分类器进行训练，结果表明 Distance Learner 相比标准分类器学习到更有意义的分类边界，并且在对抗鲁棒性任务中表现出色。

    Jul, 2022

  • 参数降维的流形学习

    本研究探索了一种通过有效参数识别的数据驱动参数缩减方法，从目前的非线性流形学习技术开始，以实现对与复杂模型相关的高维参数空间的高效探索。

    Jul, 2018

  • 多流形学习及其在多媒体中的应用调查

    流形学习是机器学习中一个新兴的研究领域，本文介绍了流形学习的概念以及其在多媒体重要应用领域中的应用。

    Sep, 2023

  • 深度学习的几何理解

    该研究通过几何视角揭示深度学习的关键在于学习数据的流形结构和概率分布，并提出一种控制潜在空间中概率分布的最优质量传递理论。

    May, 2018

  • 线性降维：调查、见解和概括

    本文综述了一些线性降维方法，以及它们如何作为矩阵流形优化问题进行求解，并提出了一种基于正交投影的典型相关分析方法，这种优化框架使得线性降维成为了一种面向各种数据类型的黑盒子数值技术。

    Jun, 2014

  • 可逆流形学习在降维中的应用

    该论文提出了一种名为 invertible manifold learning 的两阶段降维方法来保持拓扑和地理结构的完整性，其中包括一个稀疏坐标转换学习低维表示和一个局部等距约束来保留局部几何形状，同时通过线性压缩在目标维度和信息损失之间寻找平衡点，并使用 i-ML-Enc 在七个数据集上进行了实验，证明该方法可以实现可逆降维以及学习流形数据的性质。

    Oct, 2020

  • Manifold: 机器学习模型解释和诊断的模型无关框架

    Manifold 是一种利用视觉分析技术支持机器学习模型解释、调试和比较的通用框架，能够检查、解释和检验模型开发和诊断过程，它的可视化组件包括以散点图为基础的视觉摘要和揭示特征区分性的可自定义表格视图。

    Aug, 2018