GPUMAP：GPU 加速的渐进式均匀流形近似与投影
GPUMAP: GPU-Accelerated Progressive Uniform Manifold Approximation and Projection
精选理由
将 UMAP 改造为渐进式 GPU 算法，让百万级数据降维可交互运行，并揭示投影随时间演变及数据偏差的影响。
AI 摘要
arXiv:2611.06191v1 公告类型：新提交 摘要：降维（DR）技术是分析高维数据的基础，但其高昂的计算成本限制了它们在交互式场景中的应用。为解决这一限制，我们提出了 GPU 加速的渐进式均匀流形近似与投影（GPUMAP），这是一种专为交互式使用设计的高效渐进式降维算法。我们识别出 UMAP 中的三种原子操作，并将其重构为渐进式流水线。在这一改造过程中，我们对 UMAP 进行了修改，包括引入操作队列、逐实例局部连接和调度策略。我们进一步利用 GPU 并行性加速计算，使普通 GPU 硬件也能支持百万级数据集的交互式分析。最后，我们利用所实现的系统，对渐进式降维的行为进行了系统研究，考察投影相对于真实基准投影如何随时间演变，以及有偏数据流如何影响所得投影的质量和稳定性。