過去のお知らせ
データの大域的・局所的特徴を考慮したガウス過程潜在変数モデルに基づく高次元データの可視化に関する論文が、Applied Sciences (2022 IF: 2.7)に採録されました！
Koshi Watanabe, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Gaussian Process Decoder with Spectral Mixtures and Locally Estimated Manifold for Data Visualization,” Applied Sciences (Accepted for publication)
