Podrobno

Uncovering temporal patterns in visualizations of high-dimensional data
ID Poličar, Pavlin Gregor (Avtor), ID Zupan, Blaž (Avtor)

.pdfPDF - Predstavitvena datoteka, prenos (3,14 MB)
MD5: 4B59BCDCE281E0647419FFE6F69B725A
URLURL - Izvorni URL, za dostop obiščite https://link.springer.com/article/10.1007/s10994-025-06734-z Povezava se odpre v novem oknu

Izvleček
With the increasing availability of high-dimensional data, analysts often rely on exploratory data analysis to understand complex data sets. A key approach to exploring such data is dimensionality reduction, which embeds high-dimensional data in two dimensions to enable visual exploration. However, popular embedding techniques, such as t-SNE and UMAP, typically assume that data points are independent. When this assumption is violated, as in time-series data, the resulting visualizations may fail to reveal important temporal patterns and trends. To address this, we propose a formal extension to existing dimensionality reduction methods that incorporates two temporal loss terms that explicitly highlight temporal progression in the embedded visualizations. Through a series of experiments on both synthetic and real-world datasets, we demonstrate that our approach effectively uncovers temporal patterns and improves the interpretability of the visualizations. Furthermore, the method improves temporal coherence while preserving the fidelity of the embeddings, providing a robust tool for dynamic data analysis.

Jezik:Angleški jezik
Ključne besede:temporal-data visualization, dimensionality reduction, data visualization
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Status publikacije:Objavljeno
Različica publikacije:Objavljena publikacija
Leto izida:2025
Št. strani:27 str.
Številčenje:Vol. 114, iss. 2, art. 35
PID:20.500.12556/RUL-166905 Povezava se odpre v novem oknu
UDK:004
ISSN pri članku:0885-6125
DOI:10.1007/s10994-025-06734-z Povezava se odpre v novem oknu
COBISS.SI-ID:224462339 Povezava se odpre v novem oknu
Datum objave v RUL:30.01.2025
Število ogledov:116
Število prenosov:805
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del revije

Naslov:Machine learning
Skrajšan naslov:Mach. learn.
Založnik:Springer Nature
ISSN:0885-6125
COBISS.SI-ID:2623527 Povezava se odpre v novem oknu

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:vizualizacija časovnih podatkov, zmanjševanje dimenzij, vizualizacija podatkov

Projekti

Financer:ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:P2-0209
Naslov:Umetna inteligenca in inteligentni sistemi

Financer:ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Številka projekta:V2-2272
Naslov:Opredelitev okvira za zagotavljanje zaupanja javnosti v sisteme umetne inteligence in njihove uporabe

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj