Fugu-MT 論文翻訳(概要): DiRe-JAX: A JAX based Dimensionality Reduction Algorithm for Large-scale Data

論文の概要: DiRe-JAX: A JAX based Dimensionality Reduction Algorithm for Large-scale Data

arxiv url: http://arxiv.org/abs/2503.03156v1
Date: Wed, 05 Mar 2025 03:56:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-06 15:52:59.998602
Title: DiRe-JAX: A JAX based Dimensionality Reduction Algorithm for Large-scale Data
Title（参考訳）: DiRe-JAX: 大規模データのためのJAXベースの次元性削減アルゴリズム
Authors: Alexander Kolpakov, Igor Rivin,
Abstract要約: DiRe-JAXは、UMAPやtSNEといった従来の手法が直面する課題に対処するために設計された、新しい次元削減ツールキットである。このツールキットは、最先端の UMAP や tSNE 実装と比較して、データ内のローカル構造とグローバル構造の両方を保存する上で、かなり有望である。
参考スコア（独自算出の注目度）: 49.84018914962972
License:
Abstract: DiRe-JAX is a new dimensionality reduction toolkit designed to address some of the challenges faced by traditional methods like UMAP and tSNE such as loss of global structure and computational efficiency. Built on the JAX framework, DiRe leverages modern hardware acceleration to provide an efficient, scalable, and interpretable solution for visualizing complex data structures, and for quantitative analysis of lower-dimensional embeddings. The toolkit shows considerable promise in preserving both local and global structures within the data as compare to state-of-the-art UMAP and tSNE implementations. This makes it suitable for a wide range of applications in machine learning, bioinformatics, and data science.
Abstract（参考訳）: DiRe-JAX は UMAP や tSNE といった従来の手法が直面する課題に対処するために設計された新しい次元削減ツールキットである。 JAXフレームワーク上に構築されたDiReは、現代的なハードウェアアクセラレーションを活用し、複雑なデータ構造を可視化し、低次元の埋め込みを定量的に分析するための効率的でスケーラブルで解釈可能なソリューションを提供する。このツールキットは、最先端の UMAP や tSNE 実装と比較して、データ内のローカル構造とグローバル構造の両方を保存する上で、かなり有望である。これにより、機械学習、バイオインフォマティクス、データサイエンスにおける幅広い応用に適している。

関連論文リスト

Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文参考訳（メタデータ） (2024-10-29T19:02:54Z)
Enhancing Structured-Data Retrieval with GraphRAG: Soccer Data Case Study [4.742245127121496]
Structured-GraphRAGは自然言語クエリにおける構造化データセット間の情報検索を強化するために設計された汎用フレームワークである。その結果,Structured-GraphRAGはクエリ処理効率を大幅に改善し,応答時間を短縮することがわかった。
論文参考訳（メタデータ） (2024-09-26T06:53:29Z)
Scalable Geometric Fracture Assembly via Co-creation Space among Assemblers [24.89380678499307]
我々は,意味情報に頼らずに,幾何学的フラクチャーアセンブリのためのスケーラブルなフレームワークを開発した。本稿では, フラクチャー・アセンブリ・プロセスにおける衝突問題に対処するために, 新たな損失関数,すなわち幾何に基づく衝突損失を導入する。私たちのフレームワークは、既存の最先端フレームワークと比較して、PartNetとBreaking Badデータセットの両方でパフォーマンスが向上しています。
論文参考訳（メタデータ） (2023-12-19T17:13:51Z)
A survey on efficient vision transformers: algorithms, techniques, and performance benchmarking [19.65897437342896]
Vision Transformer (ViT) アーキテクチャは、コンピュータビジョンアプリケーションに取り組むために人気が高まり、広く使われている。本稿では,ビジョントランスフォーマーを効率的にするための戦略を数学的に定義し,最先端の方法論を記述・議論し,その性能を異なるアプリケーションシナリオで解析する。
論文参考訳（メタデータ） (2023-09-05T08:21:16Z)
Efficient Multi-View Graph Clustering with Local and Global Structure Preservation [59.49018175496533]
局所・グローバル構造保存を用いた効率的なマルチビューグラフクラスタリング(EMVGC-LG)という,アンカーベースのマルチビューグラフクラスタリングフレームワークを提案する。具体的には、EMVGC-LGがクラスタリング品質を向上させるために、アンカー構築とグラフ学習を共同で最適化する。さらに、EMVGC-LGはサンプル数に関する既存のAMVGCメソッドの線形複雑性を継承する。
論文参考訳（メタデータ） (2023-08-31T12:12:30Z)
Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文参考訳（メタデータ） (2022-09-05T16:48:34Z)
Towards a comprehensive visualization of structure in data [0.0]
本研究では,単一制御パラメータ,すなわちパープレキシティを用いた簡易パラメータ設定により,局所的および大域的データ構造の可視化を効果的に両立させることができることを示す。また、t-SNEを効率的に並列化し、広範囲にわたるデータ構造を探索するチャンク&ミックスプロトコルを設計した。
論文参考訳（メタデータ） (2021-11-30T15:43:45Z)
Visualizing High-Dimensional Trajectories on the Loss-Landscape of ANNs [15.689418447376587]
ニューラルネットワークを訓練するには、高度に非次元的な損失関数の最適化が必要である。可視化ツールは、ANNの損失ランドスケープの鍵となる幾何学的特徴を明らかにする上で重要な役割を果たしてきた。局所構造と大域構造の両方でSOTAを表すモダニティ低減手法を提案する。
論文参考訳（メタデータ） (2021-01-31T16:30:50Z)
Novel Human-Object Interaction Detection via Adversarial Domain Generalization [103.55143362926388]
本研究では,新たな人-物間相互作用(HOI)検出の問題点を考察し,モデルの一般化能力を向上させることを目的とした。この課題は、主に対象と述語の大きな構成空間に起因し、全ての対象と述語の組み合わせに対する十分な訓練データが欠如している。本稿では,予測のためのオブジェクト指向不変の特徴を学習するために,対数領域の一般化の統一的な枠組みを提案する。
論文参考訳（メタデータ） (2020-05-22T22:02:56Z)
GridMask Data Augmentation [76.79300104795966]
本稿では,新しいデータ拡張手法であるGridMaskを提案する。情報除去を利用して、様々なコンピュータビジョンタスクで最先端の結果を達成する。
論文参考訳（メタデータ） (2020-01-13T07:27:05Z)

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。