論文の概要: Preference-Optimal Multi-Metric Weighting for Parallel Coordinate Plots
- arxiv url: http://arxiv.org/abs/2507.02905v1
- Date: Tue, 24 Jun 2025 06:48:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-13 12:05:57.501068
- Title: Preference-Optimal Multi-Metric Weighting for Parallel Coordinate Plots
- Title（参考訳）: 並列コーディネートスロットの最適マルチメトリック重み付け
- Authors: Chisa Mori, Shuhei Watanabe, Masaki Onishi, Takayuki Itoh,
- Abstract要約: そこで本稿では, 最適重量を計算するための原理的定式化法を提案する。
UMAPにより低減された2次元平面上のメートル法トレードオフを可視化するために、様々なレーダチャートを用いてこれを達成した。
- 参考スコア（独自算出の注目度）: 6.5422577283150245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parallel coordinate plots (PCPs) are a prevalent method to interpret the relationship between the control parameters and metrics. PCPs deliver such an interpretation by color gradation based on a single metric. However, it is challenging to provide such a gradation when multiple metrics are present. Although a naive approach involves calculating a single metric by linearly weighting each metric, such weighting is unclear for users. To address this problem, we first propose a principled formulation for calculating the optimal weight based on a specific preferred metric combination. Although users can simply select their preference from a two-dimensional (2D) plane for bi-metric problems, multi-metric problems require intuitive visualization to allow them to select their preference. We achieved this using various radar charts to visualize the metric trade-offs on the 2D plane reduced by UMAP. In the analysis using pedestrian flow guidance planning, our method identified unique patterns of control parameter importance for each user preference, highlighting the effectiveness of our method.
- Abstract（参考訳）: 並列座標プロット(英: Parallel coordinate plots, PCPs)は、制御パラメータとメトリクスの関係を解釈する一般的な手法である。
PCPは、単一のメートル法に基づく色階調による解釈を提供する。
しかし、複数のメトリクスが存在する場合、そのようなグレードを提供することは困難である。
単純なアプローチでは、各計量を線形に重み付けすることで単一の計量を計算するが、そのような重み付けはユーザにとって不明確である。
この問題に対処するために、まず、特定の好ましい計量の組み合わせに基づいて最適な重量を計算するための原理的な定式化を提案する。
ユーザーは2次元平面から2次元平面から好みを選択できるが、多次元問題は直感的な視覚化を必要とし、好みを選択できる。
UMAPにより低減された2次元平面上のメートル法トレードオフを可視化するために、様々なレーダチャートを用いてこれを達成した。
歩行者フロー誘導計画を用いた分析では,ユーザの好みに応じて制御パラメータのユニークなパターンを抽出し,提案手法の有効性を強調した。
関連論文リスト
- PIPA: Preference Alignment as Prior-Informed Statistical Estimation [57.24096291517857]
本稿では、RLフリーな統一確率的フレームワークであるPIPA(Pior-Informed Preference Alignment)を紹介する。
PIPAはペアデータとアンペアデータの両方に対応し、回答とステップレベルのアノテーションを提供する。
異なる種類の事前情報を統合することにより,PIPA-MとPIPA-Nの2種類のPIPAを開発した。
論文 参考訳（メタデータ） (2025-02-09T04:31:30Z) - An Iterative Bayesian Approach for System Identification based on Linear Gaussian Models [86.05414211113627]
システム識別の問題に取り組み、入力を選択し、実際のシステムから対応する出力を観測し、データに最も合うようにモデルのパラメータを最適化する。
本稿では,任意のシステムやパラメトリックモデルと互換性のある,フレキシブルで計算可能な手法を提案する。
論文 参考訳（メタデータ） (2025-01-28T01:57:51Z) - Improved Diversity-Promoting Collaborative Metric Learning for Recommendation [127.08043409083687]
CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。
本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。
textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-02T07:44:48Z) - Adaptive Preference Scaling for Reinforcement Learning with Human Feedback [103.36048042664768]
人間からのフィードバックからの強化学習(RLHF)は、AIシステムと人間の価値を合わせるための一般的なアプローチである。
本稿では,分散ロバスト最適化(DRO)に基づく適応的優先損失を提案する。
提案手法は多用途であり,様々な選好最適化フレームワークに容易に適用可能である。
論文 参考訳（メタデータ） (2024-06-04T20:33:22Z) - SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - OSPC: Online Sequential Photometric Calibration [0.0]
測光キャリブレーションは多くのコンピュータビジョンアプリケーションに必須である。
逐次推定手法を用いて,測光パラメータの解法を提案する。
論文 参考訳（メタデータ） (2023-05-28T09:44:58Z) - An iterative multi-fidelity approach for model order reduction of
multi-dimensional input parametric PDE systems [0.0]
多次元入力パラメトリック空間を用いた大規模PDEシステムの縮小のためのサンプリングパラメトリック戦略を提案する。
これはパラメトリック空間全体の低忠実度モデルを効率的なサンプリング戦略を用いてサンプリングポイントに利用することで達成される。
提案手法は,低忠実度モデルを用いてソリューションデータベースを同化するため,オフライン段階での計算コストを大幅に削減する。
論文 参考訳（メタデータ） (2023-01-23T15:25:58Z) - Tight Cram\'{e}r-Rao type bounds for multiparameter quantum metrology
through conic programming [61.98670278625053]
最適な精度で不整合パラメータを推定できる実用的な測定戦略が最重要である。
ここでは、最適精度で非相関な測定方法を見つけるための具体的な方法を示す。
従来の計算可能境界と最終的な精度境界との間には厳密なギャップがあることを数値的に示す。
論文 参考訳（メタデータ） (2022-09-12T13:06:48Z) - Robust Multi-view Registration of Point Sets with Laplacian Mixture
Model [25.865100974015412]
重み付きラプラシアン分布に基づいて複数の点集合を整列させる新しい確率的生成法を提案する。
本稿では,提案手法の利点を,ベンチマークの挑戦的データセットに対する最先端手法と比較することによって示す。
論文 参考訳（メタデータ） (2021-10-26T14:49:09Z) - A time-weighted metric for sets of trajectories to assess multi-object
tracking algorithms [3.3989643515413235]
本稿では,多目的追跡アルゴリズムを評価するために,トラジェクトリセットのメトリクスを提案する。
提案した計量は、異なる時間ステップに関連するコストに対する重みを含めることで、[1]で計量を拡張した。
論文 参考訳（メタデータ） (2021-10-26T07:15:52Z)
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。