Aug, 2024
无监督发现多视角数据中的共享与私有几何
Unsupervised discovery of the shared and private geometry in multi-view
data
TL;DR本研究解决了现有方法在处理多视角数据时无法有效捕捉复杂非线性关系的问题。我们提出了一种基于非线性神经网络的方法，能够在保留数据几何特征的情况下，区分低维共享和私有潜变量。实验证明，该方法在多个模拟和真实数据集上优于其他竞争方法，能够为理解神经活动和动物位置提供清晰的解释。