会员服务
在统计中，主成分分析（PCA）是一种通过最大化每个维度的方差来将较高维度空间中的数据投影到较低维度空间中的方法。给定二维，三维或更高维空间中的点集合，可以将“最佳拟合”线定义为最小化从点到线的平均平方距离的线。可以从垂直于第一条直线的方向类似地选择下一条最佳拟合线。重复此过程会产生一个正交的基础，其中数据的不同单个维度是不相关的。 这些基向量称为主成分。
Mixture-of-Experts as Soft Clustering: A Dual Jacobian-PCA Spectral Geometry Perspective
Mixture-of-Experts as Soft Clustering: A Dual Jacobian-PCA Spectral Geometry Perspective
Arxiv
0+阅读 · 2月18日
Adaptive Power Iteration Method for Differentially Private PCA
Arxiv
0+阅读 · 2月13日
MML Probabilistic Principal Component Analysis
Arxiv
0+阅读 · 2月9日
Multi-dimensional Persistent Sheaf Laplacians for Image Analysis
Arxiv
0+阅读 · 2月16日
Non-linear PCA via Evolution Strategies: a Novel Objective Function
Arxiv
0+阅读 · 2月3日
Reference-Free EM Validation Flow for Detecting Triggered Hardware Trojans
Arxiv
0+阅读 · 2月3日
IntraSlice: Towards High-Performance Structural Pruning with Block-Intra PCA for LLMs
Arxiv
0+阅读 · 2月2日
Future frame prediction in chest and liver cine MRI using the PCA respiratory motion model: comparing transformers and dynamically trained recurrent neural networks
Arxiv
0+阅读 · 2月2日
Latent Space Representation of Electricity Market Curves: Maintaining Structural Integrity
Arxiv
0+阅读 · 2月3日
DREAMS: Preserving both Local and Global Structure in Dimensionality Reduction
Arxiv
0+阅读 · 1月30日
Calibrated Multivariate Distributional Regression with Pre-Rank Regularization
Arxiv
0+阅读 · 1月30日
Improved Analysis of the Accelerated Noisy Power Method with Applications to Decentralized PCA
Arxiv
0+阅读 · 2月3日
MATE: Matryoshka Audio-Text Embeddings for Open-Vocabulary Keyword Spotting
Arxiv
0+阅读 · 1月20日
ALPCAHUS: Subspace Clustering for Heteroscedastic Data
Arxiv
0+阅读 · 1月19日
More Than Efficiency: Embedding Compression Improves Domain Adaptation in Dense Retrieval
Arxiv
0+阅读 · 1月20日
参考链接
微信扫码咨询专知VIP会员
Top