論文の概要: Interactive Dimensionality Reduction for Comparative Analysis
- arxiv url: http://arxiv.org/abs/2106.15481v1
- Date: Tue, 29 Jun 2021 15:05:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-30 15:33:39.008222
- Title: Interactive Dimensionality Reduction for Comparative Analysis
- Title(参考訳): 比較解析のための対話的次元性低減
- Authors: Takanori Fujiwara, Xinhai Wei, Jian Zhao, Kwan-Liu Ma
- Abstract要約: 我々は,新しいDR手法であるULCAをインタラクティブなビジュアルインターフェースと統合する,インタラクティブなDRフレームワークを導入する。
ULCAは差別分析とコントラスト学習という2つのDRスキームを統合し、様々な比較分析タスクをサポートする。
我々は,ULCA結果を対話的に洗練する最適化アルゴリズムを開発した。
- 参考スコア(独自算出の注目度): 28.52130400665133
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Finding the similarities and differences between two or more groups of
datasets is a fundamental analysis task. For high-dimensional data,
dimensionality reduction (DR) methods are often used to find the
characteristics of each group. However, existing DR methods provide limited
capability and flexibility for such comparative analysis as each method is
designed only for a narrow analysis target, such as identifying factors that
most differentiate groups. In this work, we introduce an interactive DR
framework where we integrate our new DR method, called ULCA (unified linear
comparative analysis), with an interactive visual interface. ULCA unifies two
DR schemes, discriminant analysis and contrastive learning, to support various
comparative analysis tasks. To provide flexibility for comparative analysis, we
develop an optimization algorithm that enables analysts to interactively refine
ULCA results. Additionally, we provide an interactive visualization interface
to examine ULCA results with a rich set of analysis libraries. We evaluate ULCA
and the optimization algorithm to show their efficiency as well as present
multiple case studies using real-world datasets to demonstrate the usefulness
of our framework.
- Abstract(参考訳): データセットの2つ以上のグループ間の類似点と相違点を見つけることは、基本的な分析課題である。
高次元データでは、次元還元(dr)法が各群の特性を見つけるためにしばしば用いられる。
しかし、既存のDR法は、グループを最も区別する要因を識別するなど、各手法が狭義の分析対象にのみ設計されているため、比較分析に限られた能力と柔軟性を提供する。
本研究では,新しいDR手法であるULCA(Unified linear comparative analysis)と対話型ビジュアルインタフェースを統合する対話型DRフレームワークを提案する。
ULCAは差別分析とコントラスト学習という2つのDRスキームを統合し、様々な比較分析タスクをサポートする。
比較分析の柔軟性を実現するため,分析者がULCA結果をインタラクティブに洗練する最適化アルゴリズムを開発した。
さらに,豊富な解析ライブラリを用いてULCA結果を調べるためのインタラクティブな可視化インタフェースを提供する。
我々は、ULCAと最適化アルゴリズムを評価し、その効率性を示すとともに、実世界のデータセットを用いた複数のケーススタディを提示し、我々のフレームワークの有用性を実証する。
関連論文リスト
- Binary Code Similarity Detection via Graph Contrastive Learning on Intermediate Representations [52.34030226129628]
バイナリコード類似度検出(BCSD)は、脆弱性検出、マルウェア分析、コードの再利用識別など、多くの分野で重要な役割を果たしている。
本稿では,LLVM-IRと高レベルのセマンティック抽象化を利用して,コンパイル差を緩和するIRBinDiffを提案する。
IRBinDiffは1対1の比較と1対多の検索シナリオにおいて,他の主要なBCSD手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-10-24T09:09:20Z) - RepMatch: Quantifying Cross-Instance Similarities in Representation Space [15.215985417763472]
類似性のレンズを通してデータを特徴付ける新しい手法であるRepMatchを紹介する。
RepMatchは、トレーニングインスタンスのサブセット間の類似性を、トレーニングされたモデルにエンコードされた知識と比較することによって定量化する。
複数のNLPタスク、データセット、モデルにまたがるRepMatchの有効性を検証する。
論文 参考訳(メタデータ) (2024-10-12T20:42:28Z) - reAnalyst: Scalable Analysis of Reverse Engineering Activities [3.0083213208912865]
reAnalystは、リバースエンジニアリング(RE)プラクティスの研究を容易にするために設計されたスケーラブルな分析フレームワークである。
スクリーンショット、キーストローク、アクティブなプロセスのツールに依存しないデータ収集を統合することで、reAnalystは従来のRE研究の限界を克服することを目指している。
論文 参考訳(メタデータ) (2024-06-06T18:14:14Z) - A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。
非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
論文 参考訳(メタデータ) (2024-01-26T14:21:45Z) - Enhancing Deep Learning Models through Tensorization: A Comprehensive
Survey and Framework [0.0]
本稿では,多次元データソース,様々なマルチウェイ解析手法,およびこれらの手法の利点について考察する。
2次元アルゴリズムとPythonのマルチウェイアルゴリズムを比較したBlind Source separation(BSS)の小さな例を示す。
その結果,マルチウェイ解析の方が表現力が高いことが示唆された。
論文 参考訳(メタデータ) (2023-09-05T17:56:22Z) - A Comparative Visual Analytics Framework for Evaluating Evolutionary
Processes in Multi-objective Optimization [7.906582204901926]
EMOアルゴリズムにおける進化過程の探索と比較を可能にする視覚分析フレームワークを提案する。
ベンチマークおよび実世界の多目的最適化問題におけるケーススタディを通じて,本フレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2023-08-10T15:32:46Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳(メタデータ) (2023-04-04T17:54:32Z) - Multi-task Learning of Order-Consistent Causal Graphs [59.9575145128345]
我々は、$K関連ガウス非巡回グラフ(DAG)の発見問題を考える。
マルチタスク学習環境下では, 線形構造方程式モデルを学習するためのMLE ($l_1/l$-regularized maximum chance estimator) を提案する。
理論的には、関係するタスクにまたがるデータを活用することで、因果順序を復元する際のサンプルの複雑さをより高めることができることを示す。
論文 参考訳(メタデータ) (2021-11-03T22:10:18Z) - Explaining dimensionality reduction results using Shapley values [0.0]
次元還元(dr)技術は様々な応用において一貫して高次元データ分析をサポートする。
DR技法を解釈するために設計された現在の文献的アプローチは、低次元表現のみに焦点を当てたり、特徴間の関係を考慮しないため、特徴の寄与をうまく説明できない。
本稿では,これらの問題に対処するために,Shapley値を用いて次元削減手法の説明を生成し,クラスタ指向解析を用いてこれらのアルゴリズムを解釈する。
論文 参考訳(メタデータ) (2021-03-09T19:28:10Z) - Shared Space Transfer Learning for analyzing multi-site fMRI data [83.41324371491774]
マルチボクセルパターン解析(MVPA)は、タスクベース機能磁気共鳴画像(fMRI)データから予測モデルを学習する。
MVPAはよく設計された機能セットと十分なサンプルサイズで機能する。
ほとんどのfMRIデータセットはノイズが多く、高次元で、収集するのに高価で、サンプルサイズも小さい。
本稿では,新しい伝達学習手法として共有空間移動学習(SSTL)を提案する。
論文 参考訳(メタデータ) (2020-10-24T08:50:26Z) - Deep Representational Similarity Learning for analyzing neural
signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。
DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文 参考訳(メタデータ) (2020-09-28T18:30:14Z)
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。