論文の概要: DataMap: A Portable Application for Visualizing High-Dimensional Data

• arxiv url: http://arxiv.org/abs/2504.08875v1
• Date: Fri, 11 Apr 2025 14:53:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:48:51.808186
• Title: DataMap: A Portable Application for Visualizing High-Dimensional Data
• Title（参考訳）: DataMap: 高次元データの可視化のためのポータブルアプリケーション
• Authors: Xijin Ge,
• Abstract要約: DataMapは、高次元データの視覚化のためのブラウザベースのアプリケーションである。 ブラウザ上で動作し、データのプライバシを確保しながら、インストールやサーバの必要をなくす。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Motivation: The visualization and analysis of high-dimensional data are essential in biomedical research. There is a need for secure, scalable, and reproducible tools to facilitate data exploration and interpretation. Results: We introduce DataMap, a browser-based application for visualization of high-dimensional data using heatmaps, principal component analysis (PCA), and t-distributed stochastic neighbor embedding (t-SNE). DataMap runs in the web browser, ensuring data privacy while eliminating the need for installation or a server. The application has an intuitive user interface for data transformation, annotation, and generation of reproducible R code. Availability and Implementation: Freely available as a GitHub page https://gexijin.github.io/datamap/. The source code can be found at https://github.com/gexijin/datamap, and can also be installed as an R package. Contact: Xijin.Ge@sdstate.ed
• Abstract（参考訳）: モチベーション(Motivation):生物医学研究において、高次元データの可視化と分析が不可欠である。 データ探索と解釈を容易にするために、セキュアでスケーラブルで再現可能なツールが必要である。 結果: 熱マップ,主成分分析 (PCA), およびt分散確率的隣接埋め込み (t-SNE) を用いた高次元データの可視化のためのブラウザベースのアプリケーションであるDataMapを紹介する。 DataMapはWebブラウザで動作し、データのプライバシを確保しながら、インストールやサーバの必要をなくす。 このアプリケーションには、データ変換、アノテーション、再現可能なRコード生成のための直感的なユーザーインターフェイスがある。 可用性と実装: GitHub ページ https://gexijin.github.io/datamap/.com で無償公開されている。 ソースコードはhttps://github.com/gexijin/datamapにある。 連絡先:Xijin.Ge@sdstate.ed

関連論文リスト

• MapQaTor: A System for Efficient Annotation of Map Query Datasets [3.3856216159724983]
  MapQaTorは、再現可能でトレース可能なマップベースのQAデータセットの作成を合理化するWebアプリケーションである。 プラグインとプレイのアーキテクチャにより、MapQaTorは任意のMap APIとシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-12-30T15:33:19Z)
• trajdata: A Unified Interface to Multiple Human Trajectory Datasets [32.93180256927027]
  複数の人的トラジェクトリデータセットに対する統一インターフェースであるtrajdataを提案する。 Trajdataは、トラジェクトリとマップデータのためのシンプルで均一で効率的な表現とAPIを提供する。
  論文  参考訳（メタデータ） (2023-07-26T02:45:59Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
  本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。 データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
  論文  参考訳（メタデータ） (2022-12-30T12:20:56Z)
• Trust, but Verify: Cross-Modality Fusion for HD Map Change Detection [28.732861540394733]
  High-definition (HD) Map Change Detection(HD)は、センサデータとマップデータが実世界の変化によってもはや一致していないことを判断するタスクである。 9ヶ月以上にわたる自動運転車の運用から何千時間ものデータをマイニングすることで、このタスクの最初のデータセットを収集します。 鳥の視線と自我視における問題解決のための学習型定式化について述べる。
  論文  参考訳（メタデータ） (2022-12-14T16:17:48Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Towards Automatic Parsing of Structured Visual Content through the Use of Synthetic Data [65.68384124394699]
  本研究では,構造化ビジュアルコンテンツ(Structured Visual Content, SVC)を画像と地上の真実の形で含む合成データセットを提案する。 本稿では、SVC画像からグラフ表現を自動的に抽出するアプリケーションによる、このデータセットの使用例を示す。 我々のデータセットは、時間を要する高密度データアノテーションをスキップしながら、SVCの解釈のための強力なモデルの開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-29T14:44:52Z)
• Omnidata: A Scalable Pipeline for Making Multi-Task Mid-Level Vision Datasets from 3D Scans [103.92680099373567]
  本稿では,実世界の包括的3Dスキャンからマルチタスク視覚データセットをパラメトリックサンプリングし,レンダリングするパイプラインを提案する。 サンプリングパラメータを変更することで、生成されたデータセットを“ステア”して、特定の情報を強調することが可能になる。 生成されたスタータデータセットでトレーニングされた共通アーキテクチャは、複数の共通ビジョンタスクとベンチマークで最先端のパフォーマンスに達した。
  論文  参考訳（メタデータ） (2021-10-11T04:21:46Z)
• Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
  スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。 OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。 各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
  論文  参考訳（メタデータ） (2020-05-02T03:09:50Z)
• giotto-tda: A Topological Data Analysis Toolkit for Machine Learning and Data Exploration [4.8353738137338755]
  giotto-tdaは、高性能なトポロジカルデータ分析と機械学習を統合するPythonライブラリである。 このライブラリの様々な種類のデータを扱う能力は、幅広い事前処理技術に根ざしている。
  論文  参考訳（メタデータ） (2020-04-06T10:53:57Z)

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。