論文の概要: A Bounded Measure for Estimating the Benefit of Visualization
- arxiv url: http://arxiv.org/abs/2002.05282v2
- Date: Sat, 25 Jul 2020 20:33:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 20:30:55.990471
- Title: A Bounded Measure for Estimating the Benefit of Visualization
- Title（参考訳）: 可視化の利点を推定するための有界測度
- Authors: Min Chen, Mateu Sbert, Alfie Abdul-Rahman, and Deborah Silver
- Abstract要約: 情報理論は、可視化プロセスの費用対効果を分析するのに使うことができる。
現在の利益の尺度には、見積もりが簡単でなく、直感的に解釈できない非有界な用語が含まれている。
本稿では,非有界項を有界項に置き換えることで,既存の費用便益措置の見直しを提案する。
- 参考スコア（独自算出の注目度）: 3.8360246117087473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Information theory can be used to analyze the cost-benefit of visualization
processes. However, the current measure of benefit contains an unbounded term
that is neither easy to estimate nor intuitive to interpret. In this work, we
propose to revise the existing cost-benefit measure by replacing the unbounded
term with a bounded one. We examine a number of bounded measures that include
the Jenson-Shannon divergence and a new divergence measure formulated as part
of this work. We use visual analysis to support the multi-criteria comparison,
narrowing the search down to those options with better mathematical properties.
We apply those remaining options to two visualization case studies to
instantiate their uses in practical scenarios, while the collected real world
data further informs the selection of a bounded measure, which can be used to
estimate the benefit of visualization.
- Abstract（参考訳）: 情報理論は、可視化プロセスのコスト便益を分析するのに使うことができる。
しかし、現在の利益の尺度には、推定が容易でも直感的に解釈できない境界のない項が含まれている。
本研究では,非有界項を有界項に置き換え,既存のコスト便益尺度の改訂を提案する。
本稿では,Jenson-Shannon発散と本研究の一環として定式化された新しい発散測度を含む有界測度について検討する。
我々は、視覚分析を用いてマルチ基準比較をサポートし、より優れた数学的特性を持つ選択肢に探索を絞り込む。
2つの可視化ケーススタディにこれらの残りの選択肢を適用して実シナリオでの使用をインスタンス化する一方、収集された実世界のデータは、可視化の利点を推定するために使用できる有界測度の選択をさらに通知する。
関連論文リスト
- Rethinking Distance Metrics for Counterfactual Explainability [53.436414009687]
本研究では, 反事実を参照領域から独立して引き出すのではなく, 基礎となるデータ分布からの参照と共同してサンプリングする, 反事実生成手法のフレーミングについて検討する。
我々は、幅広い設定に適用可能な、反ファクト的な類似性のために調整された距離メートル法を導出する。
論文 参考訳（メタデータ） (2024-10-18T15:06:50Z) - Disentangled Representation Learning with Transmitted Information Bottleneck [57.22757813140418]
textbfDisTIB (textbfTransmitted textbfInformation textbfBottleneck for textbfDisd representation learning) は情報圧縮と保存のバランスを保った新しい目的である。
論文 参考訳（メタデータ） (2023-11-03T03:18:40Z) - Navigating Explanatory Multiverse Through Counterfactual Path Geometry [5.109188339767978]
解説多元語という新しい概念を紹介する。
これらの軌道の幾何をナビゲートし、推論し、比較する方法を示す。
我々は、機会ポテンシャルと呼ばれるオールインワン計量を提案し、それらを定量化する。
論文 参考訳（メタデータ） (2023-06-05T11:26:46Z) - Best-Effort Adaptation [62.00856290846247]
本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。
これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。
本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
論文 参考訳（メタデータ） (2023-05-10T00:09:07Z) - Bayesian Hierarchical Models for Counterfactual Estimation [12.159830463756341]
本稿では,多種多様なカウンターファクトの集合を推定する確率的パラダイムを提案する。
摂動を事前分布関数によるランダム変数として扱う。
収束特性の優れた勾配ベースサンプリング器は、後方サンプルを効率的に計算する。
論文 参考訳（メタデータ） (2023-01-21T00:21:11Z) - On the Choice of Fairness: Finding Representative Fairness Metrics for a
Given Context [5.667221573173013]
フェアネスの様々な概念が定義されているが、適切な計量を選択することは困難である。
トレードオフと不合理な定理により、そのような選択はさらに複雑で議論を呼んでいる。
そこで本稿では,あるコンテキストに対して異なる測度間の相関関係とトレードオフを自動的に検出するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-13T04:17:38Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳（メタデータ） (2021-06-03T12:59:16Z) - Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。
画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-09T12:26:27Z) - Functional Regularization for Representation Learning: A Unified
Theoretical Perspective [27.93916012334704]
教師なしおよび自己教師なしの学習アプローチは、下流予測タスクの表現を学習するための重要なツールとなっている。
本稿では、ラベルなしデータを用いて学習可能な関数を通して表現に正規化を付与するものとして、このようなアプローチがいくつか考えられる統一的な視点を示す。
本稿では,これらの手法のサンプル複雑性を分析するための識別的理論的枠組みを提案し,学習可能な正規化関数を実現するために(Balcan and Blum, 2010)の枠組みを一般化する。
論文 参考訳（メタデータ） (2020-08-06T04:06:04Z) - Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
分析による特徴に基づく説明の新たな評価基準を確立する。
我々は、緩やかに必要であり、予測に十分である新しい説明を得る。
我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
論文 参考訳（メタデータ） (2020-05-31T05:52:05Z) - On Binscatter [0.7999703756441756]
本研究では,本手法の特性を公式に研究し,拡張された可視化・エコノメトリ・ビンスキャッタツールを開発した。
Python、R、Staの汎用ソフトウェアが提供されている。
論文 参考訳（メタデータ） (2019-02-25T20:53:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。