研究人员开发了 ibUMAP，一种用于优化 Uniform Manifold Approximation and Projection (UMAP) 嵌入的新方法。与使用随机负采样的传统 UMAP 不同，ibUMAP 采用基于连贯场的方法，该方法从共享嵌入快照中同步评估吸引力和排斥力。该方法利用基于插值的 FFT 方案，可在 CPU 和 GPU 上进行高效评估，从而比现有实现显着加快速度。新方法还提供了更高的运行稳定性，并在局部-全局保真度方面提供了可衡量的权衡。 AI
影响 提供了一种更稳定、更有效的方法来生成嵌入，有可能改进下游机器学习任务。
排序理由 这是一篇详细介绍优化特定机器学习算法新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- ibUMAP
- ScienceCast
- umap-learn
- Uniform Manifold Approximation and Projection
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
