GPU加速EmbedSOMによるスケーラブルな半教師つき次元縮小【JST・京大機械翻訳】

Smelko Adam; Molnarova Sona; Kratochvil Miroslav; Koladiya Abhishek; Musil Jan; Krulis Martin; Vondrasek Jiri

プレプリント

J-GLOBAL ID：202202202208483974 整理番号：22P0022938

GPU加速EmbedSOMによるスケーラブルな半教師つき次元縮小【JST・京大機械翻訳】

Scalable semi-supervised dimensionality reduction with GPU-accelerated EmbedSOM

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年01月03日プレプリントサーバーでの情報更新日： 2022年01月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

次元縮小法は科学の多様な領域における可視化ツールとして大きな応用を見出している。多くの異なる方法が存在しているが,それらの性能は,多くの現代のデータセットへの迅速な洞察の提供にしばしば不十分であり,使用の教師なしモードは,データセット探索のための方法の利用と,改善された可視化品質のための詳細の微調整からユーザを防いだ。数百万の個別データ点を有する高次元データセットの対話型ユーザ操縦可能可視化のための高性能半教師つき次元縮小ソフトウェアであるBlosSOMを提示した。BlosSOMは,Embed SOMアルゴリズムのGPU加速実装上に構築され,教師なしモデル学習アルゴリズムとユーザ監視とのインターフェースのためのいくつかのランドマークベースアルゴリズムによって補完される。現実的なデータセットへのBlosSOMの適用を示し,ユーザ指定レイアウトを組み込み,ある特徴に焦点を当てた高品質可視化を生成するのを助ける。半教師つき次元縮小は,単一細胞サイトメトリーのような科学領域のデータ可視化可能性を改善し,データセット探索とアノテーションにおける新しい方向に対する高速で効率的なベース方法論を提供すると信じる。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る