반응형
t-SNE
https://ratsgo.github.io/machine%20learning/2017/04/28/tSNE/
https://ko.wikipedia.org/wiki/T-%EB%B6%84%ED%8F%AC_%ED%99%95%EB%A5%A0%EC%A0%81_%EC%9E%84%EB%B2%A0%EB%94%A9
https://lovit.github.io/nlp/representation/2018/09/28/tsne/
https://dos-tacos.github.io/paper%20review/TSNE/
- 원축소 방법은 고차원 데이터 세트 X = {x1, x2, …, xn}을 2 차원 또는 3 차원 데이터 Y = {y1, y2, …, yn}을 표시 할 수 있음
- 저차원 데이터 표현 Y를 지도로, 개별 데이터 포인트의 저차원 표현 yi를 맵 포인트라고 부름
- 차원 축소의 목표는 저차원 지도에서 가능한 고차원 데이터의 중요한 구조를 최대한 보존하는 것
- Stochastic Neighbor Embedding, SNE은 데이터 포인트 간의 고차원 유클리드 거리를 유사성을 나타내는 조건부 확률로 변환함으로써 시작됨
pj|i = exp(−|xi−xj|2/2σ2i) / ∑k≠iexp(−|xi−xk|2/2σ2i)
https://dos-tacos.github.io/paper%20review/TSNE/
deformable convolution networks
enhance the tansformation for CNN
SPATIAL TRANSFORMATIONS IN CNNS
https://deep-learning-study.tistory.com/575
반응형