Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali pa uporabite sodobnejši brskalnik.
Repozitorij Univerze v Ljubljani
Nacionalni portal odprte znanosti
Odprta znanost
DiKUL
slv
|
eng
Iskanje
Brskanje
Novo v RUL
Kaj je RUL
V številkah
Pomoč
Prijava
Podrobno
Uncovering temporal patterns in visualizations of high-dimensional data
ID
Poličar, Pavlin Gregor
(
Avtor
),
ID
Zupan, Blaž
(
Avtor
)
PDF - Predstavitvena datoteka,
prenos
(3,14 MB)
MD5: 4B59BCDCE281E0647419FFE6F69B725A
URL - Izvorni URL, za dostop obiščite
https://link.springer.com/article/10.1007/s10994-025-06734-z
Galerija slik
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
UDK:
004
ISSN pri članku:
0885-6125
DOI:
10.1007/s10994-025-06734-z
COBISS.SI-ID:
224462339
Datum objave v RUL:
30.01.2025
Število ogledov:
116
Število prenosov:
805
Metapodatki:
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Kopiraj citat
Objavi na:
Gradivo je del revije
Naslov:
Machine learning
Skrajšan naslov:
Mach. learn.
Založnik:
Springer Nature
ISSN:
0885-6125
COBISS.SI-ID:
2623527
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