論文の概要: Unsupervised clustering of Roman pottery profiles from their SSAE
representation
- arxiv url: http://arxiv.org/abs/2006.03156v1
- Date: Thu, 4 Jun 2020 22:19:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 09:50:04.654069
- Title: Unsupervised clustering of Roman pottery profiles from their SSAE
representation
- Title(参考訳): SSAE表現によるローマ陶器の無監督クラスタリング
- Authors: Simone Parisotto and Alessandro Launaro and Ninetta Leone and
Carola-Bibiane Sch\"onlieb
- Abstract要約: ローマン・コモンウェア・ポテリー(ROCOPOT)データベース(ROCOPOT)について紹介する。
この新しいデータベースにおける形状断片の部分性と手作りのばらつきは、教師なしクラスタリングを非常に難しい問題にしている。
結果は、それぞれのコミュニティにおける新しい研究の方向性を解き放つために、数学的および考古学的な観点からコメントされる。
- 参考スコア(独自算出の注目度): 63.8376359764052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we introduce the ROman COmmonware POTtery (ROCOPOT) database,
which comprises of more than 2000 black and white imaging profiles of pottery
shapes extracted from 11 Roman catalogues and related to different excavation
sites. The partiality and the handcrafted variance of the shape fragments
within this new database make their unsupervised clustering a very challenging
problem: profile similarities are thus explored via the hierarchical clustering
of non-linear features learned in the latent representation space of a stacked
sparse autoencoder (SSAE) network, unveiling new profile matches. Results are
commented both from a mathematical and archaeological perspective so as to
unlock new research directions in the respective communities.
- Abstract(参考訳): そこで,本稿では,ローマの11のカタログから抽出された陶磁器形状の,2000以上の黒と白のイメージングプロファイルからなる,ローマ・コモンウェア陶磁器(rocopot)データベースを紹介する。
プロファイルの類似性は、スタックされたスパースオートエンコーダ(SSAE)ネットワークの潜在表現空間で学習された非線形特徴の階層的クラスタリングを通じて探索され、新しいプロファイルマッチが明らかにされる。
結果は、それぞれのコミュニティにおける新しい研究の方向性を解き放つために、数学的および考古学的な観点からコメントされる。
関連論文リスト
- Anchor-based Multi-view Subspace Clustering with Hierarchical Feature
Descent [50.283640069991]
マルチビュークラスタリングは、様々なソースから情報を集約する能力によって、注目を集めている。
階層的特徴Descentを用いたアンカーベースマルチビューサブスペースクラスタリングを提案する。
提案手法は最先端技術より一貫して優れている。
論文 参考訳(メタデータ) (2023-10-11T03:29:13Z) - The Deep Latent Position Topic Model for Clustering and Representation
of Networks with Textual Edges [2.6334900941196087]
Deep-LPTMは、変分グラフ自動エンコーダアプローチに基づくモデルベースのクラスタリング戦略である。
Enron社のメールは分析され、その結果の視覚化が提示される。
論文 参考訳(メタデータ) (2023-04-14T07:01:57Z) - DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure
reconstruction from extremely small data sets [110.60233593474796]
DA-VEGANは2つの中心的なイノベーションを持つモデルである。
$beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。
このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
論文 参考訳(メタデータ) (2023-02-17T08:49:09Z) - Unsupervised Clustering of Roman Potsherds via Variational Autoencoders [63.8376359764052]
我々は,ローマのコモンウェア・ポッシャードの分類作業において,考古学者を支援する人工知能ソリューションを提案する。
断片の部分性と手作りのばらつきは、それらのマッチングを困難な問題にしている。
深部畳み込み変分オートエンコーダ(VAE)ネットワークの潜時空間で学習した非線形特徴の教師なし階層的クラスタリングにより、類似したプロファイルをペアリングすることを提案する。
論文 参考訳(メタデータ) (2022-03-14T18:56:13Z) - Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from
Cross View and Each View [68.88732535086338]
本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。
5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
論文 参考訳(メタデータ) (2020-08-23T08:25:06Z) - Interpretable Visualizations with Differentiating Embedding Networks [0.0]
本稿では,新たな非教師付きシームズニューラルネットワークトレーニングシステムと損失関数に基づく,微分埋め込みネットワーク(DEN)を用いた可視化アルゴリズムを提案する。
Siameseのニューラルネットワークは、データセット内の特定のサンプルペア間の差別化や類似した特徴を見つけ、これらの特徴を使用して、データセットを視覚化可能な低次元空間に埋め込む。
DENを解釈するために、可視化の上にエンドツーエンドのパラメトリッククラスタリングアルゴリズムを作成し、次にSHAPスコアを利用して、サンプル空間のどの特徴が重要かを決定する。
論文 参考訳(メタデータ) (2020-06-11T17:30:44Z) - Network Clustering Via Kernel-ARMA Modeling and the Grassmannian The
Brain-Network Case [6.78543866474958]
本稿では,時系列データにアノテートしたノードを持つネットワークを対象としたクラスタリングフレームワークを提案する。
このフレームワークは、状態クラスタリング、状態内のノードクラスタリング、サブネットワーク-状態系列の識別/追跡など、あらゆるタイプのネットワーククラスタリング問題に対処する。
論文 参考訳(メタデータ) (2020-02-18T19:48:38Z) - Seismic horizon detection with neural networks [62.997667081978825]
本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
論文 参考訳(メタデータ) (2020-01-10T11:30:50Z)
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。