×

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;单词2vec;github;PyTorch公司;ImageNet公司;hdbs扫描;蟒蛇;大Vis;UCI-毫升;张紧器2传感器;亚当;科学Py;数字Py;努姆巴;大Vis;格菲;DeepWalk公司;节点2vec;R(右)
引用于: 35出版物

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
利兰·麦克因斯、约翰·希利、詹姆斯·梅尔维尔
2018
全部的 前5名

109位作者引用

2 纳达·拉夫拉奇
2 Škrlj,布拉泽
1 苏珊玛·阿加瓦拉
1 迭戈·R·阿曼西奥。
1 安托万·阿斯佩尔
1 斯特凡诺·博纳塞拉
1 波萨纳克,娜塔莎
1 阿赫塞内·布贝克
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 陈超凡
1 陈志
1 Danilo B.科英布拉。
1 塞萨尔·恩里克·科明
1 安东尼·康斯坦丁德斯(Anthony G.Constantinides)。
1 Marta R.Costa-Jussá。
1 吉安尼·科斯塔
1 斯特凡诺·克雷西
1 达科斯塔,维克托·吉尔赫梅·图里西
1 米洛什·达科维奇
1 蒂杰·德·比尔
1 Dees,Ben K。
1 Jean-Charles Delvenne公司
1 佩德罗·迪亚曼蒂诺
1 雷米·丁维尔
1 萨索·季埃洛斯基
1 卡洛斯·埃斯科拉诺
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 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 安德鲁·吉尔哈特
1 蒂姆·盖比
1 Timothy Q,Gentner先生。
1 托莫吉特·高什
1 迈卡,暂停
1 克莉丝汀·赫利希
1 黄海阳
1 罗伯特·詹森
1 季洪凯
1 季志成
1 塞尔达尔·卡迪奥格鲁
1 迈克尔·坎普费梅尔
1 康、波
1 乔·基列
1 金日洙
1 伯纳德·克莱恩汉斯
1 小松崎、田木
1 巴普蒂斯特·拉法布雷格
1 阿尤布·拉斯里
1 雷,京
1 李胜喜
1 杰弗里·利赫菲特
1 林凯文Z。
1 林,于
1 乔治·林德曼。
1 科里·洛曼
1 罗恒瑞
1 Danilo P.曼迪奇。
1 拉斐尔·马丁斯。
1 利兰麦克因斯
1 Saki宫下
1 尤塔·美津奴
1 阿米特·莫斯科
1 埃德森·莫塔
1 穆拉斯、拉斐拉
1 梅因·纳比
1 Yutaka Nagahata
1 里卡多·奥尔塔尔
1 伊曼纽尔·帕拉迪斯
1 爱丽丝·巴塔尼亚
1 梅康·佩克索托(Maycon L.M.Peixoto)。
1 托马斯·佩隆(Thomas K.DM)。
1 佩特科维奇(Matej Petković)
1 伊丽莎·里奇
1 Robnik-Šikonja,马尔科
1 罗德里格斯,弗朗西斯科·阿帕雷西多
1 凯瑟琳·罗德
1 辛西娅·鲁丁
1 蒂姆·塞恩堡
1 劳尔,桑托斯·罗德里格斯
1 布鲁诺·斯卡尔佐
1 法比奥·肖恩
1 尼库·塞贝
1 莱西亚·塞梅诺娃
1 菲利皮·纳西门托·席尔瓦
1 歌手,阿米特
1 安娜·宋
1 卢比沙·斯坦科维奇
1 Stefan Steinerberger先生
1 马克·斯特罗克
1 约翰·苏肯斯(Johan A.K.Suykens)。
1 三本孝川
1 广岛Teramoto
…还有9位作者

按年份列出的引文