t-Distributed Stochastic Neighbor Embedding
PulseAugur coverage of t-Distributed Stochastic Neighbor Embedding — every cluster mentioning t-Distributed Stochastic Neighbor Embedding across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新论文提出使用精确率-召回率指标来验证降维技术
一篇新论文介绍了一个精确率-召回率框架，用于评估降维（DR）技术，特别关注它们在数据可视化中保留簇结构的能力。所提出的指标评估DR的关系阶段，量化模型相似性与预期簇标签之间的一致性。该方法旨在加速超参数调优，识别投影伪影，并确认是否捕获了底层的簇结构，从而使DR过程更有效和可靠。
-
新研究探讨亲和力矩阵平滑对 t-SNE 邻域保持的影响
一篇新研究论文探讨了在流行的降维技术 t-SNE 中改变亲和力矩阵如何影响数据邻域的保持。该研究引入了一个参数 gamma，用于平滑或锐化矩阵内的概率分布，这等同于调整高斯带宽，进而调整困惑度。研究结果表明，锐化分布可以增强非常近邻的保持，而平滑则可以改善更广泛局部邻域的表示，在某些范围内优于其他多尺度方法。
-
AI模型学习巴赫音乐，揭示结构编码的局限性
研究人员探讨了受限玻尔兹曼机（RBM），一种基于能量的模型，如何编码音乐结构。通过在转换为钢琴卷帘格式的J.S.巴赫的符号音乐上训练RBM，该研究分析了模型隐藏单元所学的模式。研究结果表明，RBM捕获的是局部的时间和音高统计特征，而不是旋律或和弦等明确的音乐概念。分析还显示，RBM不能稳健地处理移调等价性，这归因于其标准架构的局限性。
-
向量数据库：LLM 集成与应用深度解析
向量数据库对于大型语言模型（LLMs）至关重要，尤其是在检索增强生成（RAG）方面。这些专用数据库能够高效地存储、索引和查询代表文本和图像等数据的高维向量，从而实现对自然语言处理和计算机视觉至关重要的快速相似性搜索。关键概念包括用于高效查询的索引技术、用于管理高维数据的降维方法（如 PCA 和 t-SNE），以及相似性搜索固有的精确率-召回率权衡。
-
TabSOM方法通过提高可解释性来增强表格数据的深度学习能力
研究人员开发了TabSOM，一种将表格数据编码为图像表示的新方法，以增强深度学习模型的应用。与仅考虑单个特征值的先前方法不同，TabSOM利用自组织映射（SOMs）来捕捉特征值及其相互关系。该方法在各种二元分类数据集上，与十二种现有的表格到图像技术相比，表现出了优越的性能和可解释性。
-
新AI模型使用稀疏路由进行视网膜病变分析
研究人员开发了一种新的深度学习架构，用于分析视网膜眼底图像，该架构利用了稀疏条件计算。该模型将一个引导式上下文门控（GCG）空间注意力前端与一个稀疏路由的专家混合（MoE）块配对。该系统表明，专家分配显著依赖于存在的疾病，像ERM和AMD等不同的病理学会隔离到特定的专家。该模型在一个五类基准测试中取得了0.912的宏观AUC和0.653的宏观F1分数，可视化结果证实专家路由与局部病变对齐，并对共存性病例进行几何映射。
-
社交媒体分析揭示了紧密的右翼集群，分散的左翼内容
对社交媒体平台的分析揭示了基于用户共享域名名的不同集群模式。研究发现，Twitter上的右翼内容形成了一个紧密的集群，导致可预测的推荐和用户较短的混合时间。相比之下，左翼和自由派内容更为分散，导致推荐内容的多样性更广，混合时间更长。这种集群模式的差异会影响推荐系统（如Twitter的“关注推荐”功能）如何引导用户浏览内容。
-
新的FloDR方法利用归一化流提供可逆降维
研究人员推出了一种新颖的可逆降维方法FloDR，该方法利用了归一化流。与t-SNE和UMAP等传统方法在优化过程中丢弃信息不同，FloDR保留了所有坐标。这使得可以进行精确的逆运算和密度计算，从而实现更准确的诊断可视化，例如条件散布图和隐藏对比度场。这些可视化是从模型的精确逆运算计算得出的，能够更可靠地理解数据的结构和信息保留情况。
-
论文警告 t-SNE 和 UMAP 在可视化分析中被广泛滥用
一篇新发表在 arXiv 上的论文强调了 t-SNE 和 UMAP 等降维技术在可视化分析中被广泛滥用。研究表明，从业者经常误解这些工具，尽管它们在准确反映原始距离方面存在局限性，但仍被用来推断簇间关系。这种滥用似乎源于用户对降维原理缺乏全面理解，而以往纠正这一问题的学术努力已被证明无效。
-
新的模块化方法增强数据可视化透明度
研究人员开发了一种新的数据可视化模块化方法，该方法首先对数据进行聚类，然后单独嵌入每个聚类，最后对这些聚类进行对齐以创建全局嵌入。与t-SNE和UMAP等可能扭曲全局数据几何的现有技术相比，该方法旨在提高透明度。所提出的方法在各种合成和真实世界数据集上都表现出具有竞争力的性能。
-
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。
-
无监督AI模型可学习敏感属性，侵犯公平性
研究人员证明，即使在训练数据中排除了年龄和收入等敏感属性，无监督机器学习表征仍可能无意中编码这些属性。一种名为SOMtime的新方法，基于自组织映射，表明这些敏感属性在嵌入中作为主要的潜在轴出现，与隐藏数据高度相关。这表明“不知情即公平”的方法在表征层面是不够的，需要对机器学习管道的无监督组件进行公平性审计。
-
EntroPath：新的流形学习方法使用路径集成
研究人员推出了一种新颖的流形学习方法 EntroPath，旨在从数据图中重建测地几何。该方法利用扩散路径的集成，特别是采用最大熵随机游走（MERW）来聚合路径，而不是依赖于单条轨迹或最短路径距离。EntroPath 在合成流形和单细胞基准测试中表现出优越的性能，尤其是在采样密度不均和分支轨迹明显的情况下，与现有的基于扩散和最短路径的技术相比，它能更准确地保留测地几何。
-
新的WIDER-FAIR数据集揭示面部检测模型的偏见
研究人员推出了WIDER-FAIR，一个旨在评估面部检测模型公平性的新数据集。WIDER-FAIR建立在WIDER-FACE基准之上，包含对16,256张图像和四个族裔群体（亚洲人、黑人、印度人和白人）的感知族裔和性别的手动注释。使用在该数据集上训练的YOLOv5模型的初步实验显示，对黑人个体的面部检测性能显著较低，并且将该群体排除在训练之外比排除任何其他人口群体更能加剧公平性差异。
-
新方法通过提高可解释性来增强表征学习
研究人员开发了新的降维方法，这些方法超越了优化方差或相关性，以提高统计依赖性、数据多样性、对比度和可解释性。这些方法结合了线性和非线性表述，并使用对比度、分类准确性和可解释性度量进行评估。在 MNIST 和性别面部数据集上进行测试时，与 PCA、t-SNE、LDA 和 VAE 等既有基线相比，所提出的技术在对比度、准确性和可解释性方面显示出显著的改进。
-
新的RGNet架构解决了故障诊断中的类别不平衡问题
研究人员开发了RGNet，这是一种受重整化群（RG）概念启发的、新颖的神经网络架构，旨在解决机器学习应用中的类别不平衡和多维噪声等挑战。该模型通过顺序压缩特征空间维度并在分类前连接不同尺度的特征，来实现分层粗粒化。RGNet的有效性通过t-SNE可视化的可解释低维表示得到证明，揭示了离散的曲线结构，证实了其粗粒化能力。RGNet应用于不平衡的AI4I数据集，被证明是用于故障预测任务的多功能、可解释且具有竞争力的解决方案。
-
AI改进了新生儿成像的MR重建泛化能力
研究人员开发了新的方法来提高深度学习模型在MR重建中的泛化能力，特别是针对成人到新生儿的脑成像。通过采用对比信息数据增强和域对抗训练，E2E-VarNet模型在新生儿数据上表现出比标准仅成人训练更好的性能。这些技术被证明可以提高对域偏移的鲁棒性，从而在各种加速因子下获得更好的图像重建质量。
-
新的IRIS算法可视化时间结构生物医学数据
研究人员开发了IRIS，一种新颖的流形学习算法，旨在可视化随时间变化的高维生物医学数据。与现有方法不同，IRIS可以在保持流形拓扑结构的同时，按时间顺序组织其布局。这使得对scRNA-seq、比较宏基因组学和科学文献等数据中的动态过程有更清晰的理解。
-
MEDAL框架实现流形嵌入的定量验证
研究人员引入了MEDAL（Manifold Embedding Distillation via Autoencoder Learning，通过自编码器学习实现流形嵌入蒸馏），一个旨在定量验证流形嵌入的新框架。MEDAL将现有嵌入蒸馏到一个编码器-解码器模型中，实现了样本外映射和逆变换。这使得能够使用留出数据对降维技术和超参数调优进行严格评估，提高了由此类嵌入得出的科学发现的可靠性。
-
PCA 可视化局限性在化石牙齿数据中凸显
研究人员在将主成分分析 (PCA) 应用于可视化位于非线性流形上的高维数据时，发现了其局限性。他们使用了一组化石牙齿的数据，证明了 PCA 的散点图可能误导性地暗示数据聚类，而 t-SNE 和持久同调等更先进的技术则揭示了具有较低内在维度的环状结构。该研究提出了一个支持这些发现的生成模型，解释了观察到的数据分布，并强调了 PCA 可能掩盖底层数据结构的潜在问题。