Buchumschlag

Simultaneous Dimensionality Reduction: A Data Efficient Approach for Multimodal Representations Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Abdelaleem, Eslam, Roman, Ahmed, Martini, K. Michael, Nemenman, Ilya
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Accurate Estimation of Mutual Information in High Dimensional Data
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2025)

Simultaneous Dimensionality Reduction for Extracting Useful Representations of Large Empirical Multimodal Datasets
von: Abdelaleem, Eslam
Veröffentlicht: (2024)

Deep Variational Multivariate Information Bottleneck -- A Framework for Variational Losses
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2023)

Mutual information and task-relevant latent dimensionality
von: Gulati, Paarth, et al.
Veröffentlicht: (2026)

Information bottleneck for learning the phase space of dynamics from high-dimensional experimental data
von: Martini, K. Michael, et al.
Veröffentlicht: (2026)

Data efficiency, dimensionality reduction, and the generalized symmetric information bottleneck
von: Martini, K. Michael, et al.
Veröffentlicht: (2023)

Better Together: Cross and Joint Covariances Enhance Signal Detectability in Undersampled Data
von: Swain, Arabind, et al.
Veröffentlicht: (2025)

Contributions to Robust and Efficient Methods for Analysis of High Dimensional Data
von: Yang, Kai
Veröffentlicht: (2025)

Online Learning Approach for Survival Analysis
von: Fernandez, Camila, et al.
Veröffentlicht: (2024)

A Unified Framework for Structured Flow Modeling: From Continuous Fields to Data-Driven Representations
von: Casadei, Diego
Veröffentlicht: (2026)

Topological Learning in Multi-Class Data Sets
von: Griffin, Christopher, et al.
Veröffentlicht: (2023)

Data-Driven Extreme Response Estimation
von: Edwards, Samuel J., et al.
Veröffentlicht: (2025)

Active Learning of Molecular Data for Task-Specific Objectives
von: Ghosh, Kunal, et al.
Veröffentlicht: (2024)

Renormalized Graph Representations for Node Classification
von: Caso, Francesco, et al.
Veröffentlicht: (2023)

Intrinsic Signal Models Defined by the High-Dimensional, Small-Sample Limit
von: Mototake, Yoh-ichi, et al.
Veröffentlicht: (2023)

Distribution of singular values in large sample cross-covariance matrices
von: Swain, Arabind, et al.
Veröffentlicht: (2025)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

A Pipeline for Data-Driven Learning of Topological Features with Applications to Protein Stability Prediction
von: Mishra, Amish, et al.
Veröffentlicht: (2024)

Fisher information flow in artificial neural networks
von: Weimar, Maximilian, et al.
Veröffentlicht: (2025)

Short-Term Forecasting of Energy Production and Consumption Using Extreme Learning Machine: A Comprehensive MIMO based ELM Approach
von: Voyant, Cyril, et al.
Veröffentlicht: (2025)

Learning thermodynamically constrained equations of state with uncertainty
von: Sharma, Himanshu, et al.
Veröffentlicht: (2023)

Detail Across Scales: Multi-Scale Enhancement for Full Spectrum Neural Representations
von: Ni, Yuan, et al.
Veröffentlicht: (2025)

Comparative Analysis of Machine Learning-Based Imputation Techniques for Air Quality Datasets with High Missing Data Rates
von: Yan, Sen, et al.
Veröffentlicht: (2024)

Data-driven Approach for Interpolation of Sparse Data
von: Ferguson, R. F., et al.
Veröffentlicht: (2025)

Efficient Training of Deep Neural Operator Networks via Randomized Sampling
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2024)

Scientific Data Compression and Super-Resolution Sampling
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Data-driven Progressive Discovery of Physical Laws
von: Xia, Mingkun, et al.
Veröffentlicht: (2026)

Dreaming Learning
von: Londei, Alessandro, et al.
Veröffentlicht: (2024)

Data augmentation using diffusion models to enhance inverse Ising inference
von: Lim, Yechan, et al.
Veröffentlicht: (2025)

From Data to Laws: Neural Discovery of Conservation Laws Without False Positives
von: Ray, Rahul D
Veröffentlicht: (2026)

Probabilistic Emissivity Retrieval from Hyperspectral Data via Physics-Guided Variational Inference
von: Tempelman, Joshua R., et al.
Veröffentlicht: (2025)

Extrinsic vs Intrinsic Criticality in Systems with Many Components
von: Ngampruetikorn, Vudtiwat, et al.
Veröffentlicht: (2023)

Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data
von: Mukherjee, Srijani, et al.
Veröffentlicht: (2025)

Learning effective good variables from physical data
von: Barletta, Giulio, et al.
Veröffentlicht: (2024)

Stochastic Inference of Plate Bending from Heterogeneous Data: Physics-informed Gaussian Processes via Kirchhoff-Love Theory
von: Kavrakov, Igor, et al.
Veröffentlicht: (2024)

Physics-constrained polynomial chaos expansion for scientific machine learning and uncertainty quantification
von: Sharma, Himanshu, et al.
Veröffentlicht: (2024)

Tunable correlation retention: A statistical method for generating synthetic data
von: Jävergård, Nicklas, et al.
Veröffentlicht: (2024)

Learning from the past: predicting critical transitions with machine learning trained on surrogates of historical data
von: Ma, Zhiqin, et al.
Veröffentlicht: (2024)

OASIS: A Deep Learning Framework for Universal Spectroscopic Analysis Driven by Novel Loss Functions
von: Young, Chris, et al.
Veröffentlicht: (2025)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)