Copertina

Supervised Quadratic Feature Analysis: Information Geometry Approach for Dimensionality Reduction

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Herrera-Esposito, Daniel, Burge, Johannes
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Differential Geometry Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On Higher-Order Geometric Refinements of Classical Covariance Asymptotics: An Approach via Intrinsic and Extrinsic Information Geometry
di: Amir, Malik, et al.
Pubblicazione: (2026)

Kernel smoothing on manifolds
di: Bae, Eunseong, et al.
Pubblicazione: (2026)

Hessian Geometry of Latent Space in Generative Models
di: Lobashev, Alexander, et al.
Pubblicazione: (2025)

Riemannian Archetypal Analysis: Interpretable non-linear data analysis on deformed star distributions
di: Diepeveen, Willem, et al.
Pubblicazione: (2026)

Categorical and geometric methods in statistical, manifold, and machine learning
di: Lê, Hông Vân, et al.
Pubblicazione: (2025)

Geometric Gaussian Approximations of Probability Distributions
di: Da Costa, Nathaël, et al.
Pubblicazione: (2025)

Refining Cramér-Rao Bound With Multivariate Parameters: An Extrinsic Geometry Perspective
di: Krishnan, Sunder Ram
Pubblicazione: (2025)

Improving Cramér-Rao Bound And Its Variants: An Extrinsic Geometry Perspective
di: Krishnan, Sunder Ram
Pubblicazione: (2025)

Quantum Geometry insights in Deep Learning
di: Combe, Noémie C.
Pubblicazione: (2025)

Covariance as a commutator
di: Meixide, Carlos García
Pubblicazione: (2025)

On Logit Weibull Manifold
di: Assandje, Prosper Rosaire Mama, et al.
Pubblicazione: (2025)

Exploring Stochastic Mean Curvature Flow on Networks Using Ito Calculus
di: Bahadursingh, Roman
Pubblicazione: (2024)

Robust boundary detection and density estimation using doubly stochastic scaling of the Gaussian kernel
di: Kohli, Dhruv, et al.
Pubblicazione: (2024)

Stability and Statistical Inversion of Travel time Tomography
di: Tarikere, Ashwin, et al.
Pubblicazione: (2023)

Riemannian radial distributions on Riemannian symmetric spaces: Optimal rates of convergence for parameter estimation
di: Chen, Hengchao
Pubblicazione: (2024)

The Long Time Limit of Diffusion Means
di: Düsberg, Till, et al.
Pubblicazione: (2024)

PINNs in More General Geometry
di: Hirst, Edward
Pubblicazione: (2026)

Neural Feature Geometry Evolves as Discrete Ricci Flow
di: Hehl, Moritz, et al.
Pubblicazione: (2025)

Manifolds with kinks and the asymptotic behavior of the graph Laplacian operator with Gaussian kernel
di: Pal, Susovan, et al.
Pubblicazione: (2025)

On Closed-Form Expressions for the Fisher-Rao Distance
di: Miyamoto, Henrique K., et al.
Pubblicazione: (2023)

Geometric Interpretation of Brownian Motion on Riemannian Manifolds
di: Lee, Taeyoung, et al.
Pubblicazione: (2025)

On statistics which are almost sufficient from the viewpoint of the Fisher metrics
di: Yamaguchi, Kaori, et al.
Pubblicazione: (2023)

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows
di: Diepeveen, Willem, et al.
Pubblicazione: (2024)

A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes
di: Benfenati, Alessandro, et al.
Pubblicazione: (2024)

Staying on the Manifold: Geometry-Aware Noise Injection
di: Jacobsen, Albert Kjøller, et al.
Pubblicazione: (2025)

Manifold Integrated Gradients: Riemannian Geometry for Feature Attribution
di: Zaher, Eslam, et al.
Pubblicazione: (2024)

Geometry-Aware Langevin Sampling for Matrix-Valued Graph Learning
di: Dey, Papri
Pubblicazione: (2026)

Deep Generative Models: Complexity, Dimensionality, and Approximation
di: Wang, Kevin, et al.
Pubblicazione: (2025)

The Fisher metric as a metric on the cotangent bundle
di: Nagaoka, Hiroshi
Pubblicazione: (2023)

Information geometry of Lévy processes and financial models
di: Choi, Jaehyung
Pubblicazione: (2025)

Manifold Learning with Normalizing Flows: Towards Regularity, Expressivity and Iso-Riemannian Geometry
di: Diepeveen, Willem, et al.
Pubblicazione: (2025)

Conformal Transformation of Kernels: A Geometric Perspective on Text Classification
di: Rădulescu, Ioana, et al.
Pubblicazione: (2024)

Adversarial attacks on neural networks through canonical Riemannian foliations
di: Tron, Eliot, et al.
Pubblicazione: (2022)

Two-Sample Tests for Optimal Lifts, Manifold Stability and Reverse Labeling Reflection Shap
di: Van, Do Tran, et al.
Pubblicazione: (2025)

Convergence of Hessian estimator from random samples on a manifold with boundary
di: Chen, Chih-Wei, et al.
Pubblicazione: (2023)

On Statistical Inference for Rates of Change in Spatial Processes over Riemannian Manifolds
di: Li, Didong, et al.
Pubblicazione: (2026)

On Information Geometry and Iterative Optimization in Model Compression: Operator Factorization
di: Shumaylov, Zakhar, et al.
Pubblicazione: (2025)

Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
di: Sun, Xingzhi, et al.
Pubblicazione: (2024)

Cartan meets Cramér-Rao
di: Krishnan, Sunder Ram
Pubblicazione: (2025)

Tessellation Groups, Harmonic Analysis on Non-compact Symmetric Spaces and the Heat Kernel in view of Cartan Convolutional Neural Networks
di: Fré, Pietro, et al.
Pubblicazione: (2025)