Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する実験動画

非線形次元縮小のためのグローバルな幾何学的な枠組み.

J B Tenenbaum1, V de Silva, J C Langford

  • 1Department of Psychology, Stanford University, Stanford, CA 94305, USA. jbt@psych.stanford.edu

Science (New York, N.Y.)
|December 23, 2000
PubMed
まとめ
この要約は機械生成です。

この研究は,複雑な高次元データセットに隠された低次元構造を発見するために,ローカルデータメトリックを使用して,新しい次元縮小方法を提示しています. 非線形データに対してグローバルに最適なソリューションを効率的に見つけ,従来のテクニックを上回ります.

関連する実験動画

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Validation of psoriasis disability index (PDI) questionnaire Sinhala version.

Archives of dermatological research·2021
Same author

Validation of Sinhala version of Psoriasis Epidemiology Screening Tool.

Clinical rheumatology·2021
Same author

See, feel, act: Hierarchical learning for complex manipulation skills with multisensory fusion.

Science robotics·2020
Same author

Validation of the Sinhala version of the Montreal Cognitive Assessment in screening for dementia.

The Ceylon medical journal·2012
Same author

Cost of the paracetamol overdose epidemic.

The Ceylon medical journal·2010
Same author

Alcohol and tobacco use among males in two districts in Sri Lanka.

The Ceylon medical journal·2010
Same journal

Erratum for the Research Article "Detecting supramolecular organic nanoparticles during heat wave".

Science (New York, N.Y.)·2026
Same journal

Local signals, systemic decline.

Science (New York, N.Y.)·2026
Same journal

The mechanics of liver regeneration.

Science (New York, N.Y.)·2026
Same journal

Computing in a memory with physics.

Science (New York, N.Y.)·2026
Same journal

Retraction.

Science (New York, N.Y.)·2026
Same journal

Making time.

Science (New York, N.Y.)·2026
関連記事をすべて見る

科学分野:

  • データサイエンス データサイエンス
  • 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
  • コンピューティングジオメトリ

背景:

  • 高次元のデータ分析は,気候科学,天文学,ゲノミクスなどの分野で極めて重要です.
  • 人間の脳はまた,知覚のための感覚入力に次元縮小を行います.
  • PCAやMDSのような古典的な方法は,複雑で非線形なデータ構造に苦労します.

研究 の 目的:

  • 効率的で,全般的に最適のアプローチを開発し,次元の削減を図る.
  • 高次元データセットの非線形構造を発見する.
  • 複雑な自然観測を処理できる方法を提供すること.

主な方法:

  • 簡単に測定可能なローカルメトリック情報を利用して,グローバルデータ幾何学を推論します.
  • 非線形次元縮小のための新しいアルゴリズムを使用しています.
  • データの根本的な多様性を学習することに焦点を当てています.

主要な成果:

  • このアプローチは,複雑なデータにおける非線形自由度を効果的に発見します.
  • 効率的に,次元縮小のための全般的に最適なソリューションを計算します.
  • 特定のデータマニホールドの真のデータ構造に対するアシンプトティック収束を保証する.

結論:

  • この方法は,高次元データを分析するための古典的な技術に強力な代替案を提供します.
  • 複雑なデータセットに隠された非線形パターンを明らかにするのに優れています.
  • このアプローチは効率的で,特定のデータタイプの収束が保証されている.