研究者提出保持邻居排序的SR-tSNE方法
热点事件观察中
研究者提出保持邻居排序的SR-tSNE方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Henry Han等作者提出Smooth Rank t-SNE（SR-tSNE），在标准t-SNE损失中加入可微排序项，用sigmoid排序近似强制高维真实邻居压过无关入侵点并保持原有顺序。 作者同时提出Ordinal DLP指标，用于衡量邻居排序的保持情况。该方法的实际效果尚未在报道中给出验证结果。
AI 根据报道生成 · 49 分钟前更新
最新进展11月2日 13:00
Smooth Rank t-SNE（SR-tSNE）：显式保持邻居排序的流形学习方法报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AISmooth Rank t-SNE（SR-tSNE）：显式保持邻居排序的流形学习方法
研究者提出 Smooth Rank t-SNE（SR-tSNE），在标准 t-SNE 损失中加入可微排序项，用 sigmoid 排序近似强制高维真实邻居压过无关入侵点并保持原有顺序。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。