論文の概要: TabSOM: A tabular-to-image encoding method based on self-organizing maps

• arxiv url: http://arxiv.org/abs/2608.13513v1
• Date: Thu, 13 Aug 2026 17:35:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.618322
• Title: TabSOM: A tabular-to-image encoding method based on self-organizing maps
• Title（参考訳）: TabSOM:自己組織化マップに基づく表から画像への符号化手法
• Abstract要約: Tabular-to-image法は畳み込みニューラルネットワークと視覚変換器の高い予測性能を活用する新しい手法である。 自己組織化マップ(SOM)上に構築された空間画像符号化であるTabSOMを提案する。 SOM由来の2つの解釈可能性アプローチが導入された。プロトタイプにインスパイアされた部分依存プロットとクラス分離の重要度スコアである。
• 参考スコア（独自算出の注目度）: 0.9954435559869313
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Tabular-to-image methods have emerged as novel approaches to leverage the high predictive performance of convolutional neural networks and vision transformers. They convert tabular data into image representations, mapping each feature at a fixed pixel location derived from a dimensionality-reduction method (e.g., t-SNE, UMAP, PCA). However, they encode only the marginal value of each feature and discard information about feature relationships. We propose TabSOM, a tabular-to-image encoding built on the Self-Organizing Map (SOM), which provides: (i) a spatial layout in which every input feature occupies a fixed canvas position derived from its component plane via collision-free Hungarian assignment; and (ii) a graph that captures pairwise feature relationships derived from the SOM component planes. The resulting image stacks two multi-scale node channels: one encodes feature values at fixed scales, while the other encodes pairwise feature interactions as spatial connections between related features. Two SOM-derived interpretability approaches are introduced: a prototype-inspired partial dependence plot and a class--separation importance score. Benchmarked against twelve existing tabular-to-image methods across public binary-classification datasets, TabSOM ranks first or second on every dataset and achieves the lowest variance of any method evaluated. Interpretability obtained with TabSOM was validated against Random Forest, XGBoost, and SHAP, the class-separation score shows reasonable agreement with established baselines on the top-ranked features while capturing complementary structural information from input data. These results demonstrate that TabSOM provides an effective and interpretable approach for applying deep learning architectures to tabular data, bridging the performance--interpretability gap in this domain.
• Abstract（参考訳）: 畳み込みニューラルネットワークと視覚変換器の高い予測性能を活用する新しい手法として、タブラル・トゥ・イメージ法が登場した。 図形データを画像表現に変換し、各特徴を次元縮小法(例えば、t-SNE、UMAP、PCA)から導出した固定画素位置でマッピングする。 しかし、各特徴の限界値のみを符号化し、特徴関係に関する情報を破棄する。 自己組織化マップ(SOM)上に構築された表と画像の符号化であるTabSOMを提案する。 一 衝突のないハンガリーの割当てによりその部品面から派生した固定キャンバス位置をすべての入力特徴が占有する空間配置 (ii)SOM成分平面から得られるペアワイズ特徴関係をキャプチャするグラフ。 得られた画像は2つのマルチスケールノードチャネルを積み重ねる: 1つは固定スケールで特徴値をエンコードし、もう1つは関連する特徴間の空間的接続としてペアワイズ特徴の相互作用をエンコードする。 SOM由来の2つの解釈可能性アプローチが導入された。プロトタイプにインスパイアされた部分依存プロットとクラス分離の重要度スコアである。 公開バイナリ分類データセットにまたがる既存の12のタブー・ツー・イメージメソッドに対してベンチマークされたTabSOMは、各データセットで1位または2位にランクされ、評価された任意のメソッドの最も低い分散を達成する。 また,TabSOMを用いて得られた解釈性は,Random Forest,XGBoost,SHAPに対して検証され,クラス分離スコアは,入力データから補完構造情報を取り込みながら,上位特徴の確立されたベースラインと妥当な一致を示した。 これらの結果から,TabSOMは,表層データにディープラーニングアーキテクチャを適用し,その領域での性能-解釈可能性のギャップを埋める,効果的かつ解釈可能なアプローチを提供することが示された。

関連論文リスト

• Test-Time Augmentation for Tabular-to-Image Classifiers under Distribution Shifts [2.1272291601429116]
  テスト時間拡張(TTA)は、モデルロバスト性を改善するために画像分類において効果的なアプローチである。 本研究は,表在像法により生成された表現に対して,OF-Distribution (OOD) 下での予測性能に及ぼすTTA手法の影響を評価する。 その結果,TTAはOOD性能を向上し,高剛性と分散の最良のトレードオフを提供する複合的および測光的戦略が得られた。
  論文  参考訳（メタデータ） (2026-08-04T12:26:58Z)
• LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
  LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。 本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。 その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
  論文  参考訳（メタデータ） (2026-06-03T06:07:33Z)
• H-Sets: Hessian-Guided Discovery of Set-Level Feature Interactions in Image Classifiers [2.7415651415305597]
  H-Setsは画像分類器における高次特徴相互作用の発見と寄与のための新しいフレームワークである。 我々は、各セットに、画素空間パスに沿った方向勾配を統合する統合方向勾配のセットレベル拡張であるIDG-Visを属性とする。 VGG、ResNet、DenseNet、MobileNetの各モデルに対するImageNetおよびCUBデータセットの評価は、H-Setsがより解釈可能で忠実な唾液マップを生成することを示している。
  論文  参考訳（メタデータ） (2026-04-23T20:03:17Z)
• Orion-MSP: Multi-Scale Sparse Attention for Tabular In-Context Learning [3.884856136722027]
  マルチスケール処理,ブロックスパースアテンション,Perceiverスタイルのメモリを備えた新しいICLアーキテクチャであるOrion-MSPを紹介する。 Orion-MSPは、高次元テーブルに効果的にスケーリングしながら、最先端のパフォーマンスにマッチまたは超越する。
  論文  参考訳（メタデータ） (2025-11-04T18:43:44Z)
• Modality Alignment across Trees on Heterogeneous Hyperbolic Manifolds [49.95082206008502]
  ツリーを横断するアライメントは、画像とテキストのモダリティの両方に対してツリーのような階層的な特徴を構築し、調整する手法である。 本稿では,中間トランスフォーマー層からの視覚的クラストークンにクロスアテンション機構を適用した意味認識型視覚特徴抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-31T11:32:15Z)
• Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
  本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。 注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。 被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
  論文  参考訳（メタデータ） (2025-09-26T07:11:55Z)
• TabGLM: Tabular Graph Language Model for Learning Transferable Representations Through Multi-Modal Consistency Minimization [2.1067477213933503]
  TabGLM (Tabular Graph Language Model) はテーブルの構造情報と意味情報の両方をモデル化する新しいマルチモーダルアーキテクチャである。 テーブルの各行を完全に連結されたグラフとシリアライズされたテキストに変換し、それぞれグラフニューラルネットワーク(GNN)とテキストエンコーダを使って符号化する。 25のベンチマークデータセットに対する評価は、大幅なパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2025-02-26T05:32:45Z)
• Table2Image: Interpretable Tabular Data Classification with Realistic Image Transformations [5.62508658491325]
  本稿では,表形式のデータをリアルかつ多様な画像表現に変換する新しいフレームワークであるTable2Imageを紹介する。 また、元のデータとその変換された画像表現からの洞察を統合する、解釈可能性フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-09T07:24:31Z)
• PosFormer: Recognizing Complex Handwritten Mathematical Expression with Position Forest Transformer [51.260384040953326]
  手書き数学的表現認識(HMER)は、人間と機械の相互作用シナリオに広く応用されている。 本稿では,HMERのための位置フォレスト変換器(PosFormer)を提案する。 PosFormerは、最先端のメソッドである2.03%/1.22%/2、1.83%、および4.62%を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-07-10T15:42:58Z)
• A Closer Look at Deep Learning Methods on Tabular Datasets [78.61845513154502]
  広い範囲にまたがる300以上のデータセットの集合であるTALENTについて広範な研究を行った。 我々の評価では、アンサンブルは木に基づくアプローチとニューラルアプローチの両方に効果があることが示されている。
  論文  参考訳（メタデータ） (2024-07-01T04:24:07Z)
• Dual Attention GANs for Semantic Image Synthesis [101.36015877815537]
  本稿では,写真リアリスティック・セマンティック・一貫性のあるイメージを合成するための新しいデュアルアテンションGAN(DAGAN)を提案する。 また,2つの新しいモジュール,すなわち位置対応空間アテンションモジュール(SAM)と規模対応チャネルアテンションモジュール(CAM)を提案する。 DAGANは、より少ないモデルパラメータを使用しながら、最先端のメソッドよりも驚くほど優れた結果が得られる。
  論文  参考訳（メタデータ） (2020-08-29T17:49:01Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。