M集团就是斯奈克玛和通用电气联合成立的。
只是暂时还不清楚,对方到底是想要调查“技术泄露”的情况,还是有什么其他目的……
想到这里,常浩南重新拿起电话,拨通了章亮平办公室的内线号码……
……
他交给章亮平的任务,显然不可能在一两天内就完成,因此,在处理完这个小小的突发情况之后,常浩南还是按计划回到学校,开始着手开发具体的流形学习算法。
相比于之前投稿给数学年刊的那篇纯理论论文,这才是他重点关注的方向。
国庆节之前,常浩南已经整理出了两个基本的算法思路,由姚梦娜和他分别选择一种继续研究。
虽然他现场构思出来的结果不可能一步到位就是最优解,但至少足够有代表性。
第一类是全局思路,在降维时将流形上邻近的点映射到低维空间中的邻近点,同时保证将流形上距离远的点映射到低维空间中远距离的点。
而第二类则是局部思路,只需要保证将流形上近距离的点映射到低维空间中的邻近点。
比较起来,前者更加直观(当然也只是相对直观),但计算复杂度很高,对于硬件水平和算法设计来说都有一定挑战。
局部思路更加抽象一些,且距离较远的点与点之间的对应关系不明确,但计算量比较小,似乎更适配眼下这会的计算机性能。
而这一次,是姚梦娜主动在几天后找到了常浩南。
不过,并不是因为前者已经按照全局思路构造出了算法。
或者说,确实搞出了算法,但发现走进了死胡同。
“常总,我用构造出来的等距映射算法对三维空间中的二维流形【t,s,X】进行了数据点生成优化测试。”
姚梦娜把几张纸放到常浩南的桌上:
“对于完整的曲面,算法的效率还算不错,基本恢复出了完整的S-曲面的生成坐标。”
“但如果我在二维流形上挖掉一个长宽都是π的正方形区域,相当于在表面开一个洞,这在实际应用中是很常见的情况,那么生成出来的坐标就会发生扭曲,导致空洞的面积变大,而且成为了一个近似椭圆形的区域……”
“……”
简单来说,就是不好用。
“流形存在空洞,就意味着与流形等距的欧氏空间的子集非凸,计算流形上样本点间的最短路径时所产生的偏差增大……”
姚梦娜发现的这个问题,对于常浩南来说也是尚未研究过的领域。
好在全局思路比较直观,所以他可以现场分析。
“也就是说,要想使用等距映射算法,或者扩大一些来说,要使用全局算法,那么流形对象就要满足等距于一个欧氏空间子集以及这个子集是凸的条件。”
常浩南轻轻顿了一下手中的圆珠笔,最后总结道。
这算法本身毕竟是姚梦娜一点点优
请收藏:https://m.lsds123.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)