×

UMAP公司

swMATH ID: 34900
软件作者: 利兰·麦克因斯、约翰·希利、詹姆斯·梅尔维尔
描述: UMAP:用于降维的均匀流形近似和投影。UMAP(Uniform Manifold Approximation and Projection)是一种新的降维流形学习技术。UMAP是基于黎曼几何和代数拓扑的理论框架构建的。结果是一个实用的可扩展算法,适用于现实世界的数据。UMAP算法在可视化质量上与t-SNE相比具有竞争力,可以说,它以优异的运行时性能保留了更多的全局结构。此外,UMAP对嵌入维数没有计算限制,因此作为机器学习的通用降维技术是可行的。
主页: https://arxiv.org/abs/1802.03426
源代码:  https://github.com/lmcinnes/umap
关键词: 机器学习;arXiv_状态ML;计算几何;arXiv_cs。CG公司;arXiv_cs。LG公司;均匀流形逼近;尺寸缩减
相关软件: t-SNE公司;Scikit公司;亚当;PyTorch公司;单词2vec;大Vis;github;R(右);hdbs扫描;张紧器2传感器;ImageNet公司;节点2vec;N2D气体;BERT(误码率);蟒蛇;UCI-毫升;大型Vis;数字Py;科学Py;DeepWalk公司
引用于: 74文件

标准条款

1出版物描述软件 年份
UMAP:用于降维的均匀流形逼近和投影arXiv公司
利兰·麦克因斯、约翰·希利、詹姆斯·梅尔维尔
2018
全部的 前5名

236位作者引用

2 塞萨尔·恩里克·科明
2 黄,哈扬
2 塞缪尔·卡斯基
2 拉夫拉奇,纳达
2 罗恒瑞
2 辛西娅·鲁丁
2 Yaron Shaposhnik公司
2 菲利皮·纳西门托·席尔瓦
2 Škrlj,布拉泽
1 苏珊玛·阿加瓦拉
1 阿拉莫·阿瓦雷斯(Alamo-Alvarez),英马特拉达
1 卡特·艾伦
1 迭戈·R·阿曼西奥。
1 安托万·阿斯佩尔
1 亚历山大·奥舍夫
1 白一伟
1 苏尼思·班达鲁
1 玛丽亚·巴齐
1 亚历山大·贝纳蒂
1 安东·比约克隆德
1 菲利普·博伊奥
1 斯特凡诺·博纳塞拉
1 尼古拉斯·博内尔
1 波萨纳克,娜塔莎
1 Boubekki,阿赫塞恩
1 米洛什·布拉乔维奇
1 乌尔夫·布雷菲尔德
1 迈克尔·凯西。
1 阿尔哈桑·卡塞
1 常玉洲
1 陈超凡
1 陈雪峰
1 陈宇伟
1 陈志
1 钟东军
1 亚历山大·克洛宁格
1 罗纳德·拉斐尔·科伊夫曼
1 Danilo B.科英布拉。
1 乔瓦尼·科拉维扎
1 安东尼·康斯坦丁德斯(Anthony G.Constantinides)。
1 朱卡·科兰德
1 Marta R.Costa-Jussá。
1 吉安尼·科斯塔
1 卢西亚诺·达·丰图拉·科斯塔
1 科蒂,尼古拉斯
1 斯特凡诺·克雷西
1 米海·库库林古
1 达科斯塔,维克托·吉尔赫梅·图里西
1 戴、范
1 米洛什·达科维奇
1 德阿鲁达,恩里克·费拉兹
1 蒂杰·德·比尔
1 Dees,Ben K。
1 让·查尔斯,德尔文
1 佩德罗·迪亚曼蒂诺
1 朱莉·迪根
1 丁秀才
1 雷米·丁维尔
1 董晓文
1 约阿钦·多帕佐
1 桑德琳·杜多特
1 马克西姆·杜瓦尔
1 卢西亚诺·迪巴拉
1 萨索·季埃洛斯基
1 卡洛斯·埃斯科拉诺
1 弗兰克·J·法博齐。
1 蒂齐亚诺·法格尼
1 詹姆斯·P·费尔班克斯。
1 米歇尔·法努埃尔
1 恩里科·菲尼
1 亚历山大·弗莱克。
1 JoséA.R.Fonollosa。
1 弗赖斯蒂尔,日耳曼
1 弗罗斯特,H.罗伯特
1 皮埃尔·甘萨尔斯基
1 达里奥·加西亚
1 朱塞佩·P·加瓦。
1 安德鲁·吉尔哈特
1 蒂姆·盖比
1 Timothy Q,Gentner先生。
1 罗杰·加尼姆。
1 托莫吉特·高什
1 走吧,玛丽·安
1 马克西姆·戈利亚德金
1 卡拉·戈麦斯。
1 马克·格林森
1 约翰·吉列米诺特
1 佩林贡多杜
1 迈卡,暂停
1 基顿·哈姆
1 何泽珍
1 尼玛·S·赫贾齐。
1 尼克·亨舍伊德
1 克莉丝汀·赫利希
1 库尔特·霍尼克
1 安德鲁·豪斯
1 瓦罕Huroyan
1 Yoontae黄
1 罗伯特·詹森
1 卢卡斯·杰布。
…还有136位作者

按年份列出的引文