dimensionality reduction
PulseAugur coverage of dimensionality reduction — every cluster mentioning dimensionality reduction across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的间隙指数指标衡量降维散点图中的失真
研究人员引入了间隙指数（GI），这是一个旨在评估降维投影质量的新指标。与关注点之间关系的现有指标不同，GI专门测量散点图中空白区域的失真。这是通过将投影空间分解为不相交的三角形，并将其变形与其高维对应物进行比较来实现的。GI因其对视觉上显著的结构变形的敏感性、速度和可解释性而受到关注。
-
新的FADEx方法解释机器学习中的降维技术
研究人员推出了一种新的降维技术解释方法FADEx。FADEx通过使用泰勒展开和奇异值分解来近似局部线性模型，从而提供局部、每个实例的特征归因。该方法不依赖于特定的降维技术，并提供特征归因和失真分析，在评估中优于现有方法。
-
研究发现：大型语言模型线性编码作文质量表征
研究人员调查了大型语言模型（LLMs）如何在内部表征作文质量，发现这些信息以一种线性可访问的形式编码在模型的表征中。这些信息在不同层级中逐步涌现，并且在不同的提示策略下保持稳健，甚至在不同的作文提示和评分标准之间部分转移。该研究还识别出与作文分数强相关的特定神经元，并且其行为对干预敏感，从而为理解基于LLM的自动作文评分系统的可解释性提供了新见解。
-
新研究使用贝叶斯优化来调优 Hyperledger Fabric 性能
研究人员开发了一种名为 Caliper-in-the-Loop 的新方法，以自动化 Hyperledger Fabric 的性能调优。该方法将 Hyperledger Fabric 的复杂配置视为一个黑盒优化问题，利用降维的贝叶斯优化。该系统在云测试台中成功将交易吞吐量提高了 12%，展示了优化高维系统的实用解决方案。