arXiv cs.AI· Henry Han, Luyu Niu, Diane Li, Jiacun Wang·· 1 天前AI 评分32
可微保序流形学习方法 SR-tSNE
Differential rank preservation manifold learning
AI 导读
研究人员提出流形学习方法 SR-tSNE，在标准 t-SNE 损失中引入基于 sigmoid 近似的可微排序项，显式保留局部邻域内的邻居排序。在涵盖图像、文本等数据的 8 个基准测试中，SR-tSNE 表现优于 12 种基线，将新提出的 O-DLP 指标提升 5% 至 28%。该优势还成功扩展到视觉标签迁移、单细胞分型及日内交易等下游应用中。
来源：arXiv cs.AI · arxiv.org