★ 2
SR-tSNE 提出保序流形学习新方法
论文指出 t-SNE、UMAP 等流形学习方法只保留邻域集合而不保留邻域内排序，提出 Smooth Rank t-SNE（SR-tSNE），在标准损失中加入可微排序项。在八类基准上优于 12 个基线，并提升标签迁移与单细胞类型发现等下游任务表现。
arXiv cs.AI10 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文指出 t-SNE、UMAP 等流形学习方法只保留邻域集合而不保留邻域内排序，提出 Smooth Rank t-SNE（SR-tSNE），在标准损失中加入可微排序项。在八类基准上优于 12 个基线，并提升标签迁移与单细胞类型发现等下游任务表现。