Finding Archetypal Spaces for Data Using Neural Networks：
1、目的：使用神经网络寻找数据的原型空间（寻找它的顶点后用多面体拟合数据）
2、方法：使用神经网络学习数据，降维表示后再进行拟合。AAnet：自编码器，数据空间转换。
2.1、实验数据集：非线性合成数据，两个生物数据集dataset of gut microbiome profiles、T cell dataset measured
with single cell RNA-sequencing，minist
2.2、 将x转化为F（x）后再拟合到原型上
2.3、限定k个原型时可以是自编码k-1（也就是基吧？）另外一个由1-n(k-1)提供。原型（one-hot也是顶点）输入到解码器可以看到数据效果。
3、亮点：解决密度不均问题（在几何上采样取代在样本上采样）