会员服务
流形学习，全称流形学习方法(Manifold Learning)，自2000年在著名的科学杂志《Science》被首次提出以来，已成为信息科学领域的研究热点。在理论和应用上，流形学习方法都具有重要的研究意义。假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质，找到产生数据的内在规律。
Learning on the Manifold: Unlocking Standard Diffusion Transformers with Representation Encoders
Arxiv
0+阅读 · 2月10日
ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning
Arxiv
0+阅读 · 2月11日
Data-Driven Dynamic Factor Modeling via Manifold Learning
Arxiv
0+阅读 · 1月15日
Riemannian AmbientFlow: Towards Simultaneous Manifold Learning and Generative Modeling from Corrupted Data
Arxiv
0+阅读 · 1月26日
Manifold Learning for Hyperspectral Images
Arxiv
0+阅读 · 2025年11月18日
Q-BAR: Blogger Anomaly Recognition via Quantum-enhanced Manifold Learning
Arxiv
0+阅读 · 2025年12月11日
Manifold Learning for Hyperspectral Images
Manifold Learning for Hyperspectral Images
Arxiv
0+阅读 · 2025年10月31日
Supervised Manifold Learning for Functional Data
Arxiv
0+阅读 · 2025年10月11日
Genetic Programming for Explainable Manifold Learning
Arxiv
0+阅读 · 2025年4月8日
Recovering Manifold Structure Using Ollivier-Ricci Curvature
Arxiv
0+阅读 · 2025年7月28日
Analytical Discovery of Manifold with Machine Learning
Analytical Discovery of Manifold with Machine Learning
Arxiv
0+阅读 · 2025年4月3日
Manifold learning in Wasserstein space
Arxiv
0+阅读 · 2025年3月28日
Supervised Manifold Learning for Functional Data
Arxiv
0+阅读 · 2025年3月23日
Manifold Learning for Hyperspectral Images
Arxiv
0+阅读 · 2025年3月19日
Manifold learning in metric spaces
Arxiv
0+阅读 · 2025年3月20日
参考链接
微信扫码咨询专知VIP会员
Top