Group-Lasso Siamese 网络特征选择研究论文发布
热点事件持续更新
Group-Lasso Siamese 网络特征选择研究论文发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Nisargo Ranjan Pal 与 Pradeep Singh 向 arXiv 提交论文（arXiv:2610.39499），首次将 Group-Lasso 原则引入 Siamese 网络架构进行特征选择，作者称这是该方向的第一个研究。 论文提出基于欧氏距离和改进 Jaccard 相似度（面向高维稀疏数据）的两种变体，在 12 个基准数据集（特征维度 6 到 7070）上用 8 种分类器验证，能选出紧凑且具判别性的特征子集并保持有竞争力的分类性能，嵌入质量通过 UMAP 和 t-SNE 评估。
AI 根据报道生成 · 57 分钟前更新
最新进展10月31日 12:00
基于 Group-Lasso Siamese 网络的分类与表示学习集成式特征选择报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI基于 Group-Lasso Siamese 网络的分类与表示学习集成式特征选择
一项 arXiv 研究首次将 Group-Lasso 原则引入 Siamese 网络架构进行特征选择，提出基于欧氏距离和改进 Jaccard 相似度（面向高维稀疏数据）的两种变体。方法在 12 个基准数据集（特征维度 6 到 7070）上用 8 种分类器验证，能选出紧凑且具判别性的特征子集，并保持有竞争力的分类性能，嵌入质量通过 UMAP 和 t-SNE 评估。
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。