light box
امتیاز 2.78 دیداری سازی داده‌ها با استفاده از t-SNE">

نوع فایل : word
تعداد صفحات : 23
تعداد کلمات : 9800
مجله : Journal of Machine Learning Research
انتشار : 2008
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:تجسم (دیداری سازی) و متریک عملکرد در بهینه سازی چند منظوره

 

چکیده

 ما یک روش جدید موسوم به t-SNE را ارائه می‌کنیم که داده‌های با ابعاد بالا را با دادن یک محل به هر نقطه داده در یک نقشه دو یا سه بعدی دیداری سازی و مجسم می‌کند. این روش، نسخه‌ای از توکاری همسایگی تصادفی (هینتون و رویز،۲۰۲۲) می‌باشد که بهینه سازی آن آسان‌تر است و منجر به تصویر سازی های بهتری با کاهش تمایل برای نقاط شلوغ در مرکز نقشه می‌شود(دیداری سازی داده‌ها بااستفاده از t-SNE).  t-SNE در ایجاد یک نقشه که ساختار را در بسیاری از مقیاس‌های مختلف آشکار می‌کند نسبت به روش‌های موجود عملکرد بهتری دارد. این موضوع از اهمیت ویژه‌ای برای داده‌های با ابعاد بالا برخوردار است که در مانیفولد های مختلف و با ابعاد پایین نظیر تصاویر اشیا از چندین دسته مشاهده شده از نقاط دید متعدد قرار گرفته است. برای دیداری سازی ساختار مجموعه داده‌های بزرگ، ما نشان می‌دهیم که چگونه t-SNE قادر به استفاده از پیمایش تصادفی بر روی گراف‌های همسایه برای امکان دادن به اثر گذاری ساختار داده‌ها بر شیوه نمایش زیر مجموعه داده است. ما به تشریح عملکرد t-SNE بر روی طیف وسیعی از مجموعه داده‌ها پرداخته و آن را با بسیاری از فنون دیداری سازی غیر پارامتری از جمله نقشه برداری سامون، ایزومپ و توکاری خطی محلی مقایسه می‌کنیم. دیداری سازی تولید شده توسط t-SNE بسیار بهتر از موارد تولید شده توسط سایر فنون تقریباً در همه مجموعه داده‌ها است(دیداری سازی داده‌ها بااستفاده از t-SNE).

Title: Visualizing Data using t-SNE

Abstract: 

We present a new technique called “t-SNE” that visualizes high-dimensional data by giving each datapoint a location in a two or three-dimensional map. The technique is a variation of Stochastic Neighbor Embedding (Hinton and Roweis, 2002) that is much easier to optimize, and produces significantly better visualizations by reducing the tendency to crowd points together in the center of the map. t-SNE is better than existing techniques at creating a single map that reveals structure at many different scales. This is particularly important for high-dimensional data that lie on several different, but related, low-dimensional manifolds, such as images of objects from multiple classes seen from multiple viewpoints. For visualizing the structure of very large data sets, we show how t-SNE can use random walks on neighborhood graphs to allow the implicit structure of all of the data to influence the way in which a subset of the data is displayed. We illustrate the performance of t-SNE on a wide variety of data sets and compare it with many other non-parametric visualization techniques, including Sammon mapping, Isomap, and Locally Linear Embedding. The visualizations produced by t-SNE are significantly better than those produced by the other techniques on almost all of the data sets.

ثبت دیدگاه

    • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
    • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
    • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

برای ارسال دیدگاه شما باید وارد سایت شوید.

محصولات مشابه
مقاله ی مروری در خصوص فرایند زیست شناختی احیا و اصلاح خاک در مهندسی عمران
خـریـد محـصـول
بودجه بندی سرمایه ای مسئولیت پذیری اجتماعی شرکتی
خـریـد محـصـول
مقایسه کاربرد سنتی خانه‌های حیاط دار در دو شهر
خـریـد محـصـول
تأثیر شیوه های مدیریتی زنجیره تأمین سبز بر پایداری محیط زیست: کارخانه های تولید پوشاک آماده بنگلادش
خـریـد محـصـول
پیشرفت‌های حاصل شده در روشهای فرآوری مواد اومامی: یک مقاله‌ی مروری
خـریـد محـصـول
جغرافیای انگ: روش‌های تجربی برای تعیین مجازات و تاوان مکان
خـریـد محـصـول
بررسی شیوه‌های استخراج کلاژن به منظور تجزیه تحلیل ایزوتوپ‌های پایدار در تحقیقات رژیم غذایی
خـریـد محـصـول
دلبستگی والدین ، وابستگی عاشقانه بزرگسالان و کودکان و رضایت زناشویی: بررسی زمینه های فرهنگی
خـریـد محـصـول
الگوهای دلبستگی(وابستگی) والدین در مادران کودکان مبتلا به اختلال اضطراب
خـریـد محـصـول
استراتژی‌های تمایز و عملکرد بانک‌های پول سپرده گذاری در بندر هارکورت، نیجریه
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، جستجوی اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در ایران در طبقه بندی بین المللی A که شامل اختراعات حوزه نیاز ها بشری شامل کشاوری، مواد غذایی، کالاهای خانگی یا شخصی، بهداشت و سرگرمی را میتوانید در پایگاه جستجوی دارایی های فکریدارکوب مشاهده کنید.
برو بالا