論文の概要: Finding Patterns in Visualized Data by Adding Redundant Visual
Information
- arxiv url: http://arxiv.org/abs/2205.13856v1
- Date: Fri, 27 May 2022 09:39:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-30 15:30:29.055211
- Title: Finding Patterns in Visualized Data by Adding Redundant Visual
Information
- Title(参考訳): 冗長な視覚情報付加による可視化データのパターン検索
- Authors: Salomon Eisler, Joachim Meyer
- Abstract要約: PATREDは、冗長な情報を追加することで、ラインチャート内の特定の、一般的に記述されたパターンの検出を容易にする手法である。
この手法の異なるバージョンを比較し、9つの距離測定値を用いて冗長性を追加する方法が異なる。
その結果、時系列データにおけるパターンの識別を改善するために冗長性を追加する価値が示された。
- 参考スコア(独自算出の注目度): 1.52292571922932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present "PATRED", a technique that uses the addition of redundant
information to facilitate the detection of specific, generally described
patterns in line-charts during the visual exploration of the charts. We
compared different versions of this technique, that differed in the way
redundancy was added, using nine distance metrics (such as Euclidean, Pearson,
Mutual Information and Jaccard) with judgments from data scientists which
served as the "ground truth". Results were analyzed with correlations (R2), F1
scores and Mutual Information with the average ranking by the data scientists.
Some distance metrics consistently benefit from the addition of redundant
information, while others are only enhanced for specific types of data
perturbations. The results demonstrate the value of adding redundancy to
improve the identification of patterns in time-series data during visual
exploration.
- Abstract(参考訳): 本稿では,グラフの視覚的探索において,ラインチャート内の特定の,一般的に記述されたパターンの検出を容易にするために,冗長な情報を追加する手法である"PATRED"を提案する。
我々は,9つの距離指標(ユークリッド,ピアソン,相互情報,ジャカードなど)と,「根拠真理」として機能するデータ科学者の判断を用いて,冗長性の追加方法が異なるこの手法の異なるバージョンを比較した。
その結果、データサイエンティストの平均ランキングと相関関係(R2)、F1スコア、相互情報)で分析した。
一部の距離メトリクスは、冗長な情報の追加によって一貫して恩恵を受ける一方で、特定のタイプのデータ摂動に対してのみ強化されるものもある。
その結果,視覚探索中の時系列データのパターン識別を改善するために冗長性を追加することの価値が示された。
関連論文リスト
- Jacquard V2: Refining Datasets using the Human In the Loop Data
Correction Method [8.588472253340859]
本稿では,Human-In-The-Loop(HIL)手法を用いてデータセットの品質を向上させることを提案する。
このアプローチは、ロボットの把握のための物体の位置と方向を予測するために、バックボーンのディープラーニングネットワークに依存している。
ラベルを欠いた画像は、有効なグリップバウンディングボックス情報で拡張される一方、破滅的なラベリングエラーによる画像は完全に除去される。
論文 参考訳(メタデータ) (2024-02-08T15:32:22Z) - Benchmarking and Analyzing Generative Data for Visual Recognition [66.55174903469722]
この研究は生成的画像の影響を深く掘り下げ、主に外部データを利用するパラダイムを比較する。
我々は、2548のカテゴリを持つ22のデータセットからなるベンチマークである textbfGenBench を考案し、様々な視覚的認識タスクにまたがる生成データを評価した。
我々の徹底的なベンチマークと分析は、将来の調査における重要な課題を特定しながら、視覚認識における生成データの約束をスポットライトで示している。
論文 参考訳(メタデータ) (2023-07-25T17:59:59Z) - ST-GIN: An Uncertainty Quantification Approach in Traffic Data
Imputation with Spatio-temporal Graph Attention and Bidirectional Recurrent
United Neural Networks [18.66289473659838]
本稿では、欠落したデータを計算するための革新的な深層学習手法を提案する。
グラフアテンションアーキテクチャを用いて、交通データに存在する空間的相関をキャプチャする。
双方向ニューラルネットワークを用いて時間情報を学習する。
論文 参考訳(メタデータ) (2023-05-10T22:15:40Z) - A system for exploring big data: an iterative k-means searchlight for
outlier detection on open health data [0.4588028371034407]
本稿では,サーチライト手法を用いて複数の変数の組み合わせを探索し,外乱を識別するシステムを提案する。
ニューヨーク州が公開しているオープンヘルスデータを分析して,本システムについて解説する。
特定の病院での費用オーバーランや、自殺などの診断の増加など、データの異常な傾向が特定されている。
論文 参考訳(メタデータ) (2023-04-05T02:09:15Z) - Unified Visual Relationship Detection with Vision and Language Models [89.77838890788638]
この研究は、複数のデータセットからラベル空間の結合を予測する単一の視覚的関係検出器のトレーニングに焦点を当てている。
視覚と言語モデルを活用した統合視覚関係検出のための新しいボトムアップ手法UniVRDを提案する。
人物体間相互作用検出とシーングラフ生成の双方による実験結果から,本モデルの競合性能が示された。
論文 参考訳(メタデータ) (2023-03-16T00:06:28Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - Detection Hub: Unifying Object Detection Datasets via Query Adaptation
on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。
データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。
データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文 参考訳(メタデータ) (2022-06-07T17:59:44Z) - Graph-based Active Learning for Semi-supervised Classification of SAR
Data [8.92985438874948]
本稿では,グラフベース学習法とニューラルネットワーク法を組み合わせた合成開口レーダ(SAR)データの分類手法を提案する。
CNNVAEの機能埋め込みとグラフ構築はラベル付きデータを必要としないため、オーバーフィッティングが軽減される。
この方法は、データラベリングプロセスにおいて、アクティブラーニングのためのヒューマン・イン・ザ・ループを容易に組み込む。
論文 参考訳(メタデータ) (2022-03-31T00:14:06Z) - From Unsupervised to Few-shot Graph Anomaly Detection: A Multi-scale
Contrastive Learning Approach [49.439021563395976]
グラフデータからの異常検出は、ソーシャルネットワーク、金融、eコマースなど、多くのアプリケーションにおいて重要なデータマイニングタスクである。
マルチスケールcONtrastive lEarning(略してANEMONE)を用いた新しいフレームワーク, graph Anomaly dEtection フレームワークを提案する。
グラフニューラルネットワークをバックボーンとして、複数のグラフスケール(ビュー)から情報をエンコードすることで、グラフ内のノードのより良い表現を学習する。
論文 参考訳(メタデータ) (2022-02-11T09:45:11Z) - Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。
まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。
次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文 参考訳(メタデータ) (2021-12-31T10:03:47Z) - Complex Wavelet SSIM based Image Data Augmentation [0.0]
我々は,MNIST手書き画像データセットを数値認識に用いる画像データセットとして検討する。
このデータセットの弾性変形に最もよく用いられる拡張手法の1つを詳細に検討する。
本稿では、複雑なウェーブレット構造類似度指標(CWSSIM)と呼ばれる類似度尺度を用いて、無関係なデータを選択的にフィルタリングする手法を提案する。
論文 参考訳(メタデータ) (2020-07-11T21:11:46Z)
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。