SR-tSNE：在t-SNE损失中加入可微排序项
热点事件持续更新
SR-tSNE：在t-SNE损失中加入可微排序项
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Henry Han 等作者发布论文，提出平滑排序随机邻居嵌入（SR-tSNE）。该方法在标准 t-SNE 损失中加入一个可微排序项，目标是在降维可视化中保留邻居之间的顺序。论文同时提出 O-DLP 指标。 目前公开的证据只有作者在论文中的自述，尚无实验结果或第三方评估证明该排序项实际改善了邻居顺序的保留效果。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AISmooth Rank t 分布随机邻居嵌入（t-SNE，t-Distributed Stochastic Neighbor Embedding）：为 t-SNE 加入可微排序项以保留邻居顺序
研究者提出 平滑排序随机邻居嵌入（SR-tSNE，Smooth Rank t-Distributed Stochastic Neighbor Embedding）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。