Uniform Manifold Approximation and Projection
PulseAugur coverage of Uniform Manifold Approximation and Projection — every cluster mentioning Uniform Manifold Approximation and Projection across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
UMAP的内部kNN图解锁新的数据分析技术
一篇新的研究论文探讨了均匀流形逼近与投影（UMAP）内部生成的、未被充分利用的k近邻（kNN）图。该研究展示了如何将PageRank、k-core分解和聚类系数等标准图算法应用于该图，以增强数据分析。这些方法揭示了代表性数据点、密集核心区域和紧密社区，为现有技术提供了互补的见解。
-
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。
-
新的无监督框架i-IF-Learn解决了高维数据挑战
研究人员开发了i-IF-Learn，一个新颖的无监督框架，通过同时进行特征选择和聚类来解决高维数据挑战。该方法识别对定义数据簇至关重要的影响特征，从而减轻了高维数据集中常见的噪声和不相关性。该框架的自适应特征选择统计量根据中间标签的可靠性动态调整，防止了迭代方法中常见的错误传播。实验表明，i-IF-Learn的性能优于现有的聚类基线，并显著提高了下游深度学习模型的性能。
-
大型语言模型（LLMs）在新研究中增强软件漏洞分类能力
一篇新研究论文探讨了高级主题建模技术（特别是利用大型语言模型 LLMs 的技术）在软件漏洞分类中的应用。该研究使用了 BERTopic、Top2Vec、CombinedTM 和 Mixtral 等模型，以及 UMAP 和 HDBSCAN 等聚类方法。通过分析漏洞数据集的“威胁”特征，该研究旨在通过自动化和可扩展的解决方案来加强网络安全中的威胁优先级排序和决策制定。
-
研究发现Transformer表征中存在类似谱系的心智状态组织结构
研究人员调查了在Transformer模型表征空间中，渐进式心智状态是否可以以类似谱系（spectrum-like）的结构来表示。他们创建了一个包含636个句子的数据集，每个句子都标注有反映不同心智状态的连续分数和有序层级。对五个冻结的Transformer表征的分析表明，简单的探针（probes）能够可靠地识别连续分数和离散层级标签，这表明存在与标注的心智状态一致的统计学上显著的组织结构。
-
AI 管道破译了古代 Inka Khipus 的结构模式
研究人员开发了一个机器学习管道来分析 Inka Khipus，这是 Inka 帝国用于记录的打结绳索设备。通过从 619 个 khipus 的数据库中工程化结构特征，他们采用了无监督聚类来识别三个不同的组，并采用监督分类来准确识别 Inka 晚期地平线帝国风格。分析显示，绳索扭转方向是帝国 khipus 的关键结构特征，有趣的是，一个聚类主要由 19 世纪的欧洲博物馆藏品组成，这表明殖民实践被编码在数据中。
-
Global Research Space 通过语义搜索可视化1100万篇论文
一个名为 The Global Research Space 的新工具已被开发出来，以帮助研究人员应对快速增长的科学文献。该平台可视化了来自 OpenAlex 和 Arxiv 的约1100万篇论文中的趋势。它使用 SPECTER 2 模型对标题和摘要进行编码，并使用 UMAP 将它们投影到二维地图上进行可视化，同时支持关键词和语义查询。该工具还包括一个分析层，用于对机构、作者和主题进行排名，并增加了跟踪时间变化的功能。
-
新AI框架跨模态提升医学图像异常检测能力
研究人员开发了一种新颖的、无需训练的医学图像异常检测框架，该框架可应用于各种成像模态，而无需特定于模态的架构或重新训练。该方法在最近的一篇arXiv论文中有所详述，在特征提取后插入一个流形精炼阶段，以增强正常样本和异常样本之间的区分度。通过将嵌入引导至局部密集区域，该方法压缩正常数据，在进行高斯密度估计和基于马氏距离的评分之前有效地分离异常。该框架在MedIAnomaly基准的七个数据集和五种成像类型上进行了测试，表现出色，在四个数据…
-
新系统使用多属性潜在空间可视化腕表收藏
研究人员开发了一种新颖的系统，通过创建多属性潜在空间来视觉分析大型腕表收藏。该系统利用独立的表盘颜色和设计属性图，并结合了用于分割的U-Net和用于手表类型预测的Vision Transformer。该方法扩展了UMAP以组合特定属性的邻域图，并包含一个类感知布局项以实现更好的可视化。
-
AI模型预测激光和TIG工艺的焊接质量 · 跟踪5个来源
研究人员开发了用于预测激光和TIG焊接工艺中焊接质量的先进深度学习模型。其中一个模型利用多任务时空深度神经网络，根据焊缝图像预测熔深和形貌，实现了高精度。另一种方法侧重于无监督域自适应，使在一种焊接工艺上训练的模型能够在另一种工艺上表现良好，从而显著减少了大量的重新标记需求。第三种方法采用带有物理信息神经网络的自监督学习，使用最少的标记数据来预测激光焊接熔深，其性能与全监督方法相当。
-
AI框架在无人类标签的情况下学习骨折表型
研究人员开发了一种新颖的、无需标签的框架，用于通过自监督学习来表征胫骨平台骨折。该方法通过直接从影像数据中学习骨折表征，绕过了需要人工分配标签的步骤，从而避免了观察者间变异性。该系统利用经过微调的ResNet-50编码器和SimCLR目标，识别出四种不同的骨折表型。这些表型表现出稳健的稳定性和内部一致性，专家验证证实了它们的临床可解释性以及与Schatzker和AO/OTA等传统分类系统无关的独立性。
-
AI流水线自动化汽车软件测试规范生成
研究人员开发了一种新颖的“集群然后总结”流水线，用于自动化大规模汽车软件需求测试规范的生成。该方法嵌入需求，使用UMAP和HDBSCAN进行聚类，然后总结每个集群以保留关键信息。该流水线在单个需求和集群级集成点生成测试，与标准的LLM方法相比，提高了覆盖率和效率。
-
AI 识别 BDD 测试套件中的重构候选
研究人员开发了一种新颖的方法来识别和分类行为驱动开发 (BDD) 测试套件中的重构机会。通过采用机器学习分类器和大型语言模型 (LLM) 裁判，该系统可以检测重复的步骤子序列，评估其提取的适用性，并将它们映射到特定的重构模式。这种方法旨在自动化改进公共 Gherkin 生态系统中 BDD 测试代码的可维护性和可重用性。
-
使用PCA和UMAP可视化LLM潜在空间几何结构
研究人员开发了新的方法，通过采用PCA和UMAP等降维技术来可视化大语言模型（LLM）的内部几何结构。他们对GPT-2和LLaMa模型的分析揭示了独特的模式，包括中间层中注意力（attention）和MLP组件输出之间的分离。该研究还表征了初始序列位置的高范数（high-norm）潜在状态，并可视化了这些状态在不同层之间的演变，发现了GPT-2位置嵌入中的螺旋结构。
-
新框架改进了机器学习的轨迹数据增强
研究人员开发了一个系统化的框架，以改进机器学习的轨迹数据增强。该研究评估了五种选择策略——离群度、多样性、代表性、不确定性和随机选择——在各种数据集上的表现，包括动物行为、海事和城市交通。结果表明，系统化策略，特别是离群度和不确定性，相比随机选择具有优势，尤其是在稀疏数据集上，尽管它们的有效性是有条件的，并且在密集数据集上可能降低性能。
-
新的样本外数据方法改进了UMAP嵌入
研究人员开发了一种新方法，以改进将新数据点集成到现有UMAP嵌入中的方式。当前的UMAP算法在处理样本外点时存在困难，常常将它们错误地放置在簇的边缘。这种新方法优化了原始k近邻图内的关系，以减轻这种“排斥效应”，从而在簇内部实现更准确的放置。研究还表明，参数化UMAP可以产生更优的嵌入，特别是对于医学图像等复杂数据。
-
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。
-
ScaleMAP 方法在嵌入中保持密度和邻域结构
研究人员开发了 ScaleMAP，一种用于低维嵌入的新颖方法，可同时保持局部密度和邻域结构。与先前会归一化距离并丢失尺度信息的现有技术不同，ScaleMAP 将原始空间局部半径的几何平均值除以嵌入位移。这种方法成功地恢复了来自转录组学和高光谱成像的数据集中的稀疏结构和密度变化，在保持关键数据特征方面优于 UMAP 和 DensMAP 等现有方法。
-
Eliot系统提供科学文献趋势的交互式探索
一个名为Eliot的新系统已被开发出来，以帮助研究人员应对快速增长的科学文献量。Eliot通过实时检索arXiv论文、将它们聚类成主题、分配关键词以及可视化发表年份分布来交互式地探索趋势。该系统旨在为快速发展的技术领域提供可审计的概览，通过允许研究人员检查和完善文献趋势背后的证据来补充现有的搜索和生成工具。