論文の概要: An Extensible Dashboard Architecture For Visualizing Base And Analyzed Data

• arxiv url: http://arxiv.org/abs/2106.05357v1
• Date: Wed, 9 Jun 2021 19:45:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 03:59:32.870345
• Title: An Extensible Dashboard Architecture For Visualizing Base And Analyzed Data
• Title（参考訳）: データベースと分析データの可視化のための拡張可能なダッシュボードアーキテクチャ
• Authors: Abhishek Santra, Kunal Samant, Endrit Memeti, Enamul Karim and Sharma Chakravarthy
• Abstract要約: 本稿では,解析データだけでなく,基盤の可視化にも着目する。 本稿では,ユーザインタラクション,ビジュアライゼーション管理,およびベースデータの複雑な解析を行うためのダッシュボードのモジュラーアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 2.169919643934826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Any data analysis, especially the data sets that may be changing often or in real-time, consists of at least three important synchronized components: i) figuring out what to infer (objectives), ii) analysis or computation of objectives, and iii) understanding of the results which may require drill-down and/or visualization. There is a lot of attention paid to the first two of the above components as part of research whereas the understanding as well as deriving actionable decisions is quite tricky. Visualization is an important step towards both understanding (even by non-experts) and inferring the actions that need to be taken. As an example, for Covid-19, knowing regions (say, at the county or state level) that have seen a spike or prone to a spike in cases in the near future may warrant additional actions with respect to gatherings, business opening hours, etc. This paper focuses on an extensible architecture for visualization of base as well as analyzed data. This paper proposes a modular architecture of a dashboard for user-interaction, visualization management, and complex analysis of base data. The contributions of this paper are: i) extensibility of the architecture providing flexibility to add additional analysis, visualizations, and user interactions without changing the workflow, ii) decoupling of the functional modules to ease and speedup development by different groups, and iii) address efficiency issues for display response time. This paper uses Multilayer Networks (or MLNs) for analysis. To showcase the above, we present the implementation of a visualization dashboard, termed CoWiz++ (for Covid Wizard), and elaborate on how web-based user interaction and display components are interfaced seamlessly with the back end modules.
• Abstract（参考訳）: データ分析、特に頻繁にあるいはリアルタイムで変化する可能性のあるデータセットは、少なくとも3つの重要な同期コンポーネントで構成されている。 一 何を推測するか(目的)を把握すること 二 目的の分析又は計算及び 三 ドリルダウン及び/又は可視化を必要とする結果の理解 上記のコンポーネントの最初の2つについては、研究の一環として多くの注意が払われています。 視覚化は(専門家でない人でも)理解し、必要なアクションを推測するための重要なステップです。 例えば、新型コロナウイルス(covid-19)では、近い将来に急増または急上昇を目にした知識地域(例えば郡や州レベルで)が、集会や営業の開店時間などに関して追加措置を講じる可能性がある。 本稿では,解析データと同様にベースを可視化するための拡張可能なアーキテクチャについて述べる。 本稿では,ユーザインタラクション,ビジュアライゼーション管理,ベースデータの複雑な解析を行うダッシュボードのモジュール化アーキテクチャを提案する。 本論文の貢献は次のとおりである。 一 ワークフローを変更することなく、分析、可視化及びユーザインタラクションを追加する柔軟性を提供するアーキテクチャの拡張性。 二 異なるグループによる開発を容易かつスピードアップするために機能モジュールを分離すること。 三 表示応答時間に関する効率問題に対処すること。 本稿では,多層ネットワーク(MLN)を用いて解析を行う。 本稿では,CoWiz++(Covid Wizard)と呼ばれる視覚化ダッシュボードの実装について紹介し,Webベースのユーザインタラクションとディスプレイコンポーネントがバックエンドモジュールとシームレスにインターフェースされる方法について詳しく述べる。

関連論文リスト

• MindBench: A Comprehensive Benchmark for Mind Map Structure Recognition and Analysis [35.31073435549237]
  文書分析にMindBenchという新しいベンチマークを導入する。 これには、厳密に構築されたバイリンガル認証または合成画像、詳細なアノテーション、評価指標、ベースラインモデルが含まれる。 これらのタスクには、完全パース、部分パース、位置関連パース、構造化された視覚質問応答(VQA)、位置関連VQAが含まれる。
  論文  参考訳（メタデータ） (2024-07-03T06:39:18Z)
• Enhancing Question Answering on Charts Through Effective Pre-training Tasks [26.571522748519584]
  グラフやプロットに適用した場合の現在のVisualQAモデルの制限に対処する。 以上の結果から,既存のモデルでは,図の構造的・視覚的文脈に関する疑問に答える上で,特に性能が低いことが示唆された。 本稿では,構造的・視覚的知識と数値的疑問の理解の両面から,既存のモデルを強制する3つの簡単な事前学習タスクを提案する。
  論文  参考訳（メタデータ） (2024-06-14T14:40:10Z)
• A Novel Energy based Model Mechanism for Multi-modal Aspect-Based Sentiment Analysis [85.77557381023617]
  マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。 PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。 EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
  論文  参考訳（メタデータ） (2023-12-13T12:00:46Z)
• Building Interpretable and Reliable Open Information Retriever for New Domains Overnight [67.03842581848299]
  情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。 本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。 より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-09T07:47:17Z)
• AVIS: Autonomous Visual Information Seeking with Large Language Model Agent [123.75169211547149]
  本稿では,視覚的質問応答フレームワークAVISを提案する。 本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。 AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
  論文  参考訳（メタデータ） (2023-06-13T20:50:22Z)
• A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented, Temporal and Depth-aware design [77.34726150561087]
  我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。 私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
  論文  参考訳（メタデータ） (2023-03-08T01:29:55Z)
• VSR: A Unified Framework for Document Layout Analysis combining Vision, Semantics and Relations [40.721146438291335]
  視覚、意味論、関係性を組み合わせた文書レイアウト解析のための統一フレームワークVSRを提案する。 人気のある3つのベンチマークでは、vsrは以前のモデルを大きく上回っている。
  論文  参考訳（メタデータ） (2021-05-13T12:20:30Z)
• Mapping the Internet: Modelling Entity Interactions in Complex Heterogeneous Networks [0.0]
  サンプル表現、モデル定義、トレーニングのための汎用性のある統一フレームワークHMill'を提案します。 フレームワークに実装されたモデルによって実現されたすべての関数の集合に対する普遍近似定理の拡張を示す。 このフレームワークを使ってサイバーセキュリティドメインから3つの異なる問題を解決する。
  論文  参考訳（メタデータ） (2021-04-19T21:32:44Z)
• Query-by-Example Keyword Spotting system using Multi-head Attention and Softtriple Loss [1.179778723980276]
  本稿では,ユーザ定義キーワードスポッティングタスクの検索を行うニューラルネットワークアーキテクチャを提案する。 効果的な特徴抽出のために、マルチレイヤーgrgの上にマルチヘッドアテンションモジュールを付加する。 また,三重項損失とソフトマックス損失の組み合わせであるソフトトリプル損失を採用し,その効果を示す。
  論文  参考訳（メタデータ） (2021-02-14T03:37:37Z)
• Auto-Panoptic: Cooperative Multi-Component Architecture Search for Panoptic Segmentation [144.50154657257605]
  本稿では、バックボーン、セグメンテーションブランチ、フィーチャーフュージョンモジュールを含むすべての主要コンポーネントを同時に検索する効率的なフレームワークを提案する。 検索したアーキテクチャ、すなわちAuto-Panopticは、挑戦的なCOCOとADE20Kベンチマークに関する新しい最先端技術を実現します。
  論文  参考訳（メタデータ） (2020-10-30T08:34:35Z)
• Dynamic Feature Integration for Simultaneous Detection of Salient Object, Edge and Skeleton [108.01007935498104]
  本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。 まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2020-04-18T11:10:11Z)

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。