データの内在する幾何構造を活用し、高次元データに対して効率的な回帰分析を行う新しい手法を提案する。
ルールベースの方法がGNNに劣る理由を分析し、新しい戦略を提案する。
二次元データにおける圧縮性測定の重要性と複雑さを探求する。
ノイズの影響を受けたビューに対処する理論的に根拠のある深いマルチビュークラスタリング手法(MVCAN)が、ノイズの副作用を軽減し、多視点データで優れたパフォーマンスを達成する。
離散フーリエ変換と逆離散フーリエ変換の反復的な実行に基づくアルゴリズムは、信号除去に有用である。
マルチビュー深層部分空間クラスタリングネットワーク(MvDSCN)は、エンドツーエンドの方法で複数のビューの関係を特徴学習と自己表現に組み込み、より良いクラスタリング効果を得る。
SSA-GCNは、意味情報と構造情報を統合し、グラフ畳み込みネットワークの性能を向上させる。
外部テーブルとの結合における真の相互情報を効果的に推定するためのスケッチング手法の提案と評価。
効率的な非パラメトリック手法により、指向性ネットワーク内のハブノードを明確に識別する。
複雑なシステムを効果的にモデル化するための新しいアルゴリズムの提案。