論文の概要: Dynamic Spatio-Temporal Summarization using Information Based Fusion
- arxiv url: http://arxiv.org/abs/2310.01617v1
- Date: Mon, 2 Oct 2023 20:21:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 18:58:16.340451
- Title: Dynamic Spatio-Temporal Summarization using Information Based Fusion
- Title(参考訳): 情報融合を用いた動的時空間要約
- Authors: Humayra Tasnim, Soumya Dutta, Melanie Moses
- Abstract要約: 本稿では,重要な時間経過における情報的特徴を識別し,少ない情報的特徴を融合する動的時間的データ要約手法を提案する。
既存の手法とは異なり,本手法は生と要約の両方のタイムステップを保持し,時間とともに情報の変化を包括的に把握する。
我々は,粒子ベースのフローシミュレーション,セキュリティと監視の応用,免疫システム内の生体細胞間相互作用など,多様なデータセットにまたがる手法の汎用性を実証した。
- 参考スコア(独自算出の注目度): 3.038642416291856
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the era of burgeoning data generation, managing and storing large-scale
time-varying datasets poses significant challenges. With the rise of
supercomputing capabilities, the volume of data produced has soared,
intensifying storage and I/O overheads. To address this issue, we propose a
dynamic spatio-temporal data summarization technique that identifies
informative features in key timesteps and fuses less informative ones. This
approach minimizes storage requirements while preserving data dynamics. Unlike
existing methods, our method retains both raw and summarized timesteps,
ensuring a comprehensive view of information changes over time. We utilize
information-theoretic measures to guide the fusion process, resulting in a
visual representation that captures essential data patterns. We demonstrate the
versatility of our technique across diverse datasets, encompassing
particle-based flow simulations, security and surveillance applications, and
biological cell interactions within the immune system. Our research
significantly contributes to the realm of data management, introducing enhanced
efficiency and deeper insights across diverse multidisciplinary domains. We
provide a streamlined approach for handling massive datasets that can be
applied to in situ analysis as well as post hoc analysis. This not only
addresses the escalating challenges of data storage and I/O overheads but also
unlocks the potential for informed decision-making. Our method empowers
researchers and experts to explore essential temporal dynamics while minimizing
storage requirements, thereby fostering a more effective and intuitive
understanding of complex data behaviors.
- Abstract(参考訳): 急成長するデータ生成の時代において、大規模な時変データセットの管理と保存には大きな課題がある。
スーパーコンピューティングの能力が高まり、生成されるデータの量は急増し、ストレージとi/oオーバーヘッドが増大した。
そこで本研究では,重要時間ステップにおける情報的特徴を識別し,より少ない情報的特徴を融合する動的時空間データ要約手法を提案する。
このアプローチは、データダイナミクスを維持しながら、ストレージ要件を最小化する。
既存の手法とは異なり,本手法は生と要約の両方のタイムステップを保持し,時間とともに情報の変化を包括的に把握する。
情報理論の手法を用いて融合プロセスの導出を行い,本質的なデータパターンを捉える視覚的表現を実現する。
我々は,粒子ベースのフローシミュレーション,セキュリティと監視の応用,免疫システム内の生体細胞間相互作用など,多様なデータセットにまたがる手法の汎用性を実証した。
私たちの研究はデータ管理の領域に大きく貢献し、様々な分野にわたる効率性の向上と深い洞察をもたらします。
我々は,in situ解析やポストホック解析に適用可能な大規模データセットを扱うための合理化手法を提案する。
これは、データストレージとi/oオーバーヘッドの増大する課題に対処するだけでなく、インフォームド意思決定の可能性を解き放ちます。
本手法は,ストレージ要件を最小化し,複雑なデータ行動をより効果的かつ直感的に理解する上で重要な時間的ダイナミクスを探索する。
関連論文リスト
- CUDC: A Curiosity-Driven Unsupervised Data Collection Method with
Adaptive Temporal Distances for Offline Reinforcement Learning [62.58375643251612]
本稿では,Curiosity-driven Unsupervised Data Collection (CUDC)法を提案する。
この適応的な到達性機構により、特徴表現は多様化することができ、エージェントは、好奇心で高品質なデータを集めるために自分自身をナビゲートすることができる。
実験的に、CUDCはDeepMindコントロールスイートの様々なダウンストリームオフラインRLタスクにおいて、既存の教師なし手法よりも効率と学習性能が優れている。
論文 参考訳(メタデータ) (2023-12-19T14:26:23Z) - Data Management For Large Language Models: A Survey [66.59562797566163]
大規模言語モデル(LLM)の訓練におけるデータの役割
本調査は,LLMの事前学習および教師付き微調整段階におけるデータ管理の現状を概観する。
論文 参考訳(メタデータ) (2023-12-04T07:42:16Z) - Transforming Agriculture with Intelligent Data Management and Insights [3.027257459810039]
現代の農業は、気候変動と天然資源の枯渇の制約の下で、食料、燃料、飼料、繊維の需要の増加に対応するための大きな課題に直面している。
データ革新は、アグロエコシステムの生産性、持続可能性、レジリエンスの確保と改善に緊急に必要です。
論文 参考訳(メタデータ) (2023-11-07T22:02:54Z) - Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement
Learning [53.00683059396803]
マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。
本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。
本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
論文 参考訳(メタデータ) (2023-10-06T10:40:46Z) - Building Flexible, Scalable, and Machine Learning-ready Multimodal
Oncology Datasets [17.774341783844026]
本研究は、オンコロジーデータシステム(MINDS)のマルチモーダル統合を提案する。
MINDSはフレキシブルでスケーラブルで費用対効果の高いメタデータフレームワークで、公開ソースから異なるデータを効率的に分離する。
MINDSは、マルチモーダルデータを調和させることで、より分析能力の高い研究者を力づけることを目指している。
論文 参考訳(メタデータ) (2023-09-30T15:44:39Z) - A spectrum of physics-informed Gaussian processes for regression in
engineering [0.0]
センサとデータ全般の可用性は向上していますが、純粋なデータ駆動アプローチから多くのサービス内エンジニアリングシステムや構造を完全に特徴づけることはできません。
本稿では、限られたデータで予測モデルを作成する能力を高めるために、機械学習技術と物理に基づく推論の組み合わせを追求する。
論文 参考訳(メタデータ) (2023-09-19T14:39:03Z) - iSAGE: An Incremental Version of SAGE for Online Explanation on Data
Streams [8.49072000414555]
iSAGEは、SAGEの時間およびメモリ効率のインクリメンタル化である。
iSAGE は SAGE と同様の理論的性質を持つことを示す。
論文 参考訳(メタデータ) (2023-03-02T11:51:54Z) - A Comprehensive Survey of Dataset Distillation [73.15482472726555]
限られた計算能力で無制限に成長するデータを扱うことは困難になっている。
ディープラーニング技術はこの10年で前例のない発展を遂げた。
本稿では,多面的なデータセット蒸留の総合的な理解を提供する。
論文 参考訳(メタデータ) (2023-01-13T15:11:38Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Provably Efficient Causal Reinforcement Learning with Confounded
Observational Data [135.64775986546505]
オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。
提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-22T14:49:33Z) - Informative Scene Decomposition for Crowd Analysis, Comparison and
Simulation Guidance [10.000622844914272]
群衆シミュレーションは、グラフィックを含むいくつかの分野において中心的なトピックである。
クラウドデータの急増に伴い、このようなボトルネックに対処する必要がある。
この問題に包括的に対処する新しい枠組みを提案する。
論文 参考訳(メタデータ) (2020-04-29T12:03:32Z)
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。