IEEE TPAMI

MoE-Enhanced Explainable Deep Manifold Transformation for Complex Data Embedding and Visualization

面向复杂数据嵌入与可视化的混合专家增强型可解释深度流形变换

Zelin Zang, Yuhao Wang, Jinlin Wu, Hong Liu, Yue Shen, Zhen Lei, Stan Z. Li

机构 * Centre for Artificial Intelligence and Robotics (CAIR), HKISI-CAS and Westlake University（人工智能与机器人中心（CAIR），HKISI-CAS和西湖大学） ； Westlake University（西湖大学） ； School of Information and Electrical Engineering, Hangzhou City University（信息与电气工程学院，杭州市大学） ； Academy of Edge Intelligence Hangzhou City University（边缘智能学院，杭州市大学） ； CAIR, HKISI-CAS（人工智能与机器人中心（CAIR），HKISI-CAS） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), CASIA（多模态人工智能系统国家重点实验室（MAIS），CASIA） ； School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)（人工智能学院，中国科学院大学（UCAS）） ； Ant Group（蚂蚁集团） 纠错

AI总结 针对降维中精度与可解释性的权衡难题，提出MoE增强的DMT-ME方法，结合几何感知双曲映射器与MoE模型，实验验证其在降维精度与可解释性上均表现优异。

Comments 17 pages, 15 figures, accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

ShadowNet for Data-Centric Quantum System Learning

面向以数据为中心的量子系统学习的ShadowNet

Yuxuan Du, Yibo Yang, Tongliang Liu, Zhouchen Lin, Bernard Ghanem, Dacheng Tao

AI总结 针对大量子系统学习的维度灾难问题，提出结合神经网络与经典阴影优势的以数据为中心范式，构建ShadowNet模型，在60量子比特的量子态层析和直接保真度估计任务中验证了其有效性。

Comments Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence. 20 pages. 12 Figures