Fugu-MT 論文翻訳(概要): Approximate UMAP allows for high-rate online visualization of high-dimensional data streams

論文の概要: Approximate UMAP allows for high-rate online visualization of high-dimensional data streams

arxiv url: http://arxiv.org/abs/2404.04001v1
Date: Fri, 5 Apr 2024 10:25:26 GMT
ステータス: 処理完了
システム内更新日: 2024-04-08 16:24:44.847573
Title: Approximate UMAP allows for high-rate online visualization of high-dimensional data streams
Title（参考訳）: Approximate UMAPは、高次元データストリームの高速オンライン可視化を可能にする
Authors: Peter Wassenaar, Pierre Guetschel, Michael Tangermann,
Abstract要約: 近似的 UMAP (a UMAP) と呼ばれる一様多様体近似と射影の新しい変種を導入する。リアルタイムのイントロスペクションのために高速なプロジェクションを生成することを目的としている。その結果,UMAPの投影速度を桁違いに減少させ,同じトレーニング時間を維持しつつ,標準UMAPの投影空間を再現するプロジェクションを近似的に提供できることが示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the BCI field, introspection and interpretation of brain signals are desired for providing feedback or to guide rapid paradigm prototyping but are challenging due to the high noise level and dimensionality of the signals. Deep neural networks are often introspected by transforming their learned feature representations into 2- or 3-dimensional subspace visualizations using projection algorithms like Uniform Manifold Approximation and Projection (UMAP). Unfortunately, these methods are computationally expensive, making the projection of data streams in real-time a non-trivial task. In this study, we introduce a novel variant of UMAP, called approximate UMAP (aUMAP). It aims at generating rapid projections for real-time introspection. To study its suitability for real-time projecting, we benchmark the methods against standard UMAP and its neural network counterpart parametric UMAP. Our results show that approximate UMAP delivers projections that replicate the projection space of standard UMAP while decreasing projection speed by an order of magnitude and maintaining the same training time.
Abstract（参考訳）: BCIの分野では、フィードバックの提供や高速なパラダイムプロトタイピングを導くために脳信号のイントロスペクションと解釈が望まれるが、信号の高ノイズレベルと次元性のために困難である。ディープニューラルネットワークは、学習した特徴表現をUniform Manifold Approximation and Projection (UMAP)のような投影アルゴリズムを使用して、2次元または3次元のサブスペース視覚化に変換することで、しばしばイントロスペクションされる。残念なことに、これらの手法は計算コストが高く、リアルタイムのデータストリームのプロジェクションは非自明な作業である。本研究では,UMAP(a UMAP)と呼ばれる新しい変種を導入する。リアルタイムのイントロスペクションのために高速なプロジェクションを生成することを目的としている。実時間投影に適した手法として,標準UMAPとパラメトリックUMAPとを比較検討した。その結果,UMAPの投影速度を桁違いに減少させ,同じトレーニング時間を維持しつつ,標準UMAPの投影空間を再現するプロジェクションを近似的に提供できることが示唆された。

関連論文リスト

OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文参考訳（メタデータ） (2024-09-14T07:44:22Z)
SIGMA:Sinkhorn-Guided Masked Video Modeling [69.31715194419091]
SIGMA (Sinkhorn-guided Masked Video Modelling) は、新しいビデオ事前学習法である。時空管の特徴を,限られた数の学習可能なクラスタに均等に分散する。 10個のデータセットによる実験結果から,より高性能で時間的,堅牢な映像表現を学習する上で,SIGMAの有効性が検証された。
論文参考訳（メタデータ） (2024-07-22T08:04:09Z)
D$^2$ST-Adapter: Disentangled-and-Deformable Spatio-Temporal Adapter for Few-shot Action Recognition [60.84084172829169]
大規模な事前訓練された画像モデルに数発のアクション認識を適用することは、ロバストな特徴抽出器を学習するための効果的な戦略であることが証明されている。 D$2$ST-Adapter (Disentangled-and-Deformable Spatio-Temporal Adapter) は,アクション認識に適した新しいチューニングフレームワークである。
論文参考訳（メタデータ） (2023-12-03T15:40:10Z)
Bridging the Projection Gap: Overcoming Projection Bias Through Parameterized Distance Learning [9.26015904497319]
Generalized Zero-shot Learning (GZSL) は、見知らぬクラスと見えないクラスの両方からのサンプルを、学習用のクラスサンプルのみを使用して認識することを目的としている。 GZSL法は、投射関数が観測クラスから学習されるため、推論中に観測クラスに偏りが生じる傾向にある。我々はこの予測バイアスに,ロバスト推論のためのパラメータ化されたマハラノビス距離測定値の学習を提案して対処する。
論文参考訳（メタデータ） (2023-09-04T06:41:29Z)
PALMER: Perception-Action Loop with Memory for Long-Horizon Planning [1.5469452301122177]
PALMERと呼ばれる汎用計画アルゴリズムを導入する。 Palmerは古典的なサンプリングベースの計画アルゴリズムと学習に基づく知覚表現を組み合わせる。これにより、表現学習、記憶、強化学習、サンプリングベースの計画の間に、緊密なフィードバックループが生成される。
論文参考訳（メタデータ） (2022-12-08T22:11:49Z)
Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文参考訳（メタデータ） (2022-09-01T10:46:09Z)
Motion-aware Memory Network for Fast Video Salient Object Detection [15.967509480432266]
我々は、隣接するフレームから現在のフレームの有用な時間情報をVSODの時間枝として抽出する時空間メモリ(STM)ベースのネットワークを設計する。符号化段階では、電流とその隣接するフレームから高次特徴を用いて高次時間特徴を生成する。復号化段階では,空間的および時間的分岐に対する効果的な融合戦略を提案する。提案モデルでは,光学フローなどの前処理を必要とせず,推定時に100FPS近い速度に達することができる。
論文参考訳（メタデータ） (2022-08-01T15:56:19Z)
Transformer Guided Geometry Model for Flow-Based Unsupervised Visual Odometry [38.20137500372927]
対画像からの情報を扱う2つのカメラポーズ推定器からなる手法を提案する。画像シーケンスでは、Transformerライクな構造を採用して、局所的な時間ウィンドウ上にジオメトリモデルを構築する。対向画像間の関係を利用するために,f2fpe(flow-to-flow pose estimator)を提案する。
論文参考訳（メタデータ） (2020-12-08T19:39:26Z)
Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文参考訳（メタデータ） (2020-11-26T04:04:21Z)
Rectified Linear Postsynaptic Potential Function for Backpropagation in Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文参考訳（メタデータ） (2020-03-26T11:13:07Z)
Denoising IMU Gyroscopes with Deep Learning for Open-Loop Attitude Estimation [0.0]
本稿では,慣性計測ユニット(IMU)のジャイロスコープを地中真実データを用いて識別する学習手法を提案する。得られたアルゴリズムは、(目に見えない)テストシーケンスで最先端の処理を行う。
論文参考訳（メタデータ） (2020-02-25T08:04:31Z)

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。