是否存在任何明智的降维技术，例如从20维减少到5维，然后能够（尽管丢失了数据）从5维降到20维？
t-SNE，PCA，高斯随机投影之类的算法很棒，但是据我所知，没有一个简单的方法可以（从某种程度上）始终将压缩的低维数据恢复为高维数据。
我正在专门培训GP，以培养候选人，而当我在较小尺寸下工作时，有问题的GP表现更好。为了生成候选人，我需要能够从训练有素的模型到与我提供的尺寸相同的新点。
我使用了一个小型的未经训练的神经网络（线性层和一个激活函数），它需要较高的数据并输出较低维度的数据。当我想返回时，我基于输出（这是我拥有的较低维数据）对网络的输入进行梯度下降。 这种方法有效，但是未经训练的网络不太可能是最好的技术。