PulseAugur
中
实时 12:19:58
English(EN) CosMAP: Contrastive Manifold Approximation and Projection for Dimensionality Reduction of Omics and Genealogical Data

新的CosMAP方法改进了复杂数据的降维

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CosMAP，一种新的无监督降维方法，旨在为复杂、高维数据集创建忠实且可解释的嵌入。CosMAP通过结合余弦相似性邻域和对比亲和力来扩展UMAP框架，并通过吸引-排斥目标进行优化。该方法包括一个两阶段的精炼过程，首先学习一个中间高维表示来重建邻域图并初始化最终的低维嵌入。在包括手写数字、单细胞RNA测序数据和谱系信息在内的数据集上的评估表明，与现有的最先进方法相比，CosMAP产生了更连贯的视觉表示、更好的邻域保持和更清晰的全局组织。 AI

影响 为复杂、稀疏、高维数据提供了一个更强大的探索性分析框架。

排序理由 该集群包含一篇详细介绍降维新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CosMAP方法改进了复杂数据的降维

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Fenosoa Randrianjatovo, Maya Saleh, Simon Girard, Amadou Barry ·

    CosMAP：用于组学和谱系数据降维的对比流形近似与投影

    arXiv:2608.11269v1 Announce Type: cross Abstract: Omics datasets, particularly single-cell RNA sequencing data, are high-dimensional, sparse, noisy, and dominated by zero values, making faithful low-dimensional representation challenging. Existing dimensionality-reduction methods…

相关实体

相关话题