小红花·文摘
  • 首页
  • 广场
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI

本研究提出了一种新型降维技术AKRMap,旨在解决现有跨模态嵌入可视化方法的不足。实验结果表明,AKRMap在生成更准确和可信的可视化方面优于传统方法。

AKRMap:用于跨模态嵌入可信可视化的自适应核回归

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2025-05-20T00:00:00Z
第五部分:构建自己的人工智能 - 探索无监督学习与聚类

无监督学习通过分析无标签数据揭示隐藏模式。文章介绍了聚类算法(如K-Means和层次聚类)及降维技术(如主成分分析PCA),并通过客户细分和异常检测等实例展示其实际应用价值。

第五部分:构建自己的人工智能 - 探索无监督学习与聚类

DEV Community
DEV Community · 2024-12-09T04:19:18Z
第五天 – 无监督学习:聚类与降维

本文介绍无监督学习的基本概念,重点讲解聚类算法(如K-Means、层次聚类、DBSCAN)和降维技术(如PCA、t-SNE)。通过实际项目,学习使用Scikit-Learn进行客户细分,并掌握模型评估指标,如轮廓系数和Davies-Bouldin指数。

第五天 – 无监督学习:聚类与降维

DEV Community
DEV Community · 2024-12-07T05:58:07Z

本文提出了一种新型的潜在动态网络架构,结合深度学习和降维技术,能够高效预测时空动态响应。研究展示了基于图卷积自编码器的非线性降阶模型,强调了深度学习在复杂偏微分方程处理中的应用。通过数据驱动的方法,构建了简化模型,显著提升了高维非线性问题的准确性和效率。

非线性降阶建模中的潜在动态学习

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-08-27T00:00:00Z

本文介绍了使用飞桨框架实现主成分分析(PCA)的人脸识别算法,通过降维技术找到最重要的特征,减少数据维度。文章提供了实际代码示例,并展示了不同维度下的训练效果。飞桨的稀疏计算能力和稀疏神经网络也被介绍。最后,总结了飞桨的线性代数API在数据降维和特征提取方面的重要性和应用。

基于飞桨框架实现PCA的人脸识别算法

百度大脑
百度大脑 · 2024-08-12T12:05:22Z

本文介绍了多种降维技术,如LargeVis、TriMap和PaCMAP,旨在提升高维数据的可视化效果。这些方法在保留局部和全局结构方面表现出色,并提出了新的算法和框架,以满足不同的应用需求。

大型数据的外部维度降低方法

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-08-07T00:00:00Z

本文探讨了文本嵌入、降维技术和漂移检测方法在文本数据分析中的有效性,强调了高维数据处理的挑战及深度学习在特征提取中的应用。研究提出了一种新工作流程,评估特征空间的稳定性,并揭示其对模型可解释性的影响。此外,分析了多语言模型在语义文本相似性任务中的表现,强调了文本聚类方法的改进和数据分布度量的有效性。

文本空间化的潜在嵌入和降维方法的大规模敏感性分析

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-07-25T00:00:00Z

本文探讨了多种故障模式诊断和风险管理方法,包括基于降维技术的故障模式识别、混合贝叶斯网络在医疗器械中的应用,以及大型语言模型在故障模式分类中的有效性。研究强调高质量微调数据集的重要性,并展示新技术在实际应用中的优势。

医疗领域中使用故障模式与影响分析(FMEA)进行治疗的自动计算

BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 · 2024-05-06T00:00:00Z
向量数据库入门

向南方旅行时,搜索巴塔哥尼亚天气夹克衫可能出现特定品牌的搜索结果。向量数据库可以表示复杂数据为机器可理解的向量,并通过数学运算进行比较。嵌入是数据点的向量表示,捕捉其语义含义。降维技术可以缓解高维空间的计算复杂性。距离度量是确定向量空间中两点距离的数学函数。K最近邻和近似最近邻算法可实现快速准确的相似性搜索。向量数据库和向量存储是存储和检索向量数据的数据库类型。AI和机器学习推动技术边界,需要特定数据库满足需求。

向量数据库入门

Percona Database Performance Blog
Percona Database Performance Blog · 2024-01-24T14:00:33Z
.mpipks-note | 10. Dimension Reduction

本文讨论了高维数据的降维技术,特别是第十讲的内容,由外部嘉宾主讲。课程网站未提供课件,时间轴和语音转录的重要性较低,笔记为英文。

.mpipks-note | 10. Dimension Reduction

阿掖山:一个博客
阿掖山:一个博客 · 2021-05-15T00:00:00Z
.mpipks-transcript | 10. Dimension Reduction

本文讨论了高维数据的探索与分析,重点介绍了降维技术,如主成分分析(PCA)和UMAP。PCA通过线性变换减少数据维度,保持信息相关性;UMAP则通过构建图形表示,保留数据的拓扑结构。文章还提到聚类方法,以识别数据中的不同类别。选择合适的方法需结合具体问题和经验判断。

.mpipks-transcript | 10. Dimension Reduction

阿掖山:一个博客
阿掖山:一个博客 · 2021-05-14T00:00:00Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码