实体
Rong Ma
Rong Ma
PulseAugur coverage of Rong Ma — every cluster mentioning Rong Ma across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新统计框架增强了噪声高维数据集的比较能力
研究人员开发了一种新的统计框架，用于比较包含潜在低维结构的高维数据集，即使在存在显著噪声的情况下也能进行比较。该方法将数据矩阵的光谱特性与其信号分布的几何形状联系起来，提供了一种尺度和旋转不变的差异度量。该方法基于随机矩阵理论，提供了一种快速、理论上可靠的方法来评估数据集的相似性和可对齐性，在模拟和真实单细胞数据分析中均优于现有方法。
-
新方法改进了跨噪声矩阵的共享奇异子空间估计
研究人员开发了跨多个噪声矩阵估计共享奇异子空间的新方法，这对于数据集成和多视图分析至关重要。该研究比较了两种方法：Stack-SVD（连接矩阵）和Average-SVD（使用奇异向量矩阵）。理论分析表明，当子空间相同时，Stack-SVD是最优的，但在部分共享时可能不是最优的。本文介绍了新颖的估计器和一种高效的算法，即使在部分共享的情况下也能达到minimax速率最优，并通过模拟和实际应用进行了验证。
-
新的机器学习方法NESS改进单细胞数据分析
研究人员开发了NESS，一种旨在改进单细胞数据表示的新机器学习方法。该方法建立在可预测性-可计算性-稳定性（PCS）框架之上，以解决现有邻域嵌入算法（如t-SNE和UMAP）的局限性，这些算法可能引入失真和伪影。NESS旨在提供更稳定、更具可解释性的嵌入，从而能够从嘈杂的高维单细胞测序数据中稳健地推断出平滑的生物结构和发育轨迹。