Динамічна візуалізація даних великої розмірності
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
В роботі розглянуто метод обробки даних великої розмірності на основі яких будується їх візуалізація у двох, або трьох вимірах. Метод базується на алгоритмах зменшення розмірності та може бути застосованим для розробки біотехнічної акустичної системи динамічної візуалізації серцевого м’яза людини.
The paper considers a method for processing high-dimensional data, on the basis of which their visualization in two or three dimensions is built. The method is based on dimensionality reduction algorithms and can be applied to the development of a biotechnical acoustic system for dynamic visualization of the human heart muscle.
The paper considers a method for processing high-dimensional data, on the basis of which their visualization in two or three dimensions is built. The method is based on dimensionality reduction algorithms and can be applied to the development of a biotechnical acoustic system for dynamic visualization of the human heart muscle.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
978-617-8132-48-8
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Дячук О. О., Тимчик С. В. Динамічна візуалізація даних великої розмірності // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-frtzp/all-frtzp-2025/paper/view/23907.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (4)
- Wang, Y., Huang, H., Rudin, C. & Shaposhnik, Y. Understanding how dimension reduction tools work: an empirical approach to deciphering t-SNE, UMAP, TriMap, and PaCMAP for data visualization. Journal of Machine Learning Research 22 (201), 1–73 (2021). https://doi.org/10.48550/arXiv.2012.04456.
- L.J.P. van der Maaten, G.E. Hinton. Visualizing high-dimensional data using t-SNE. Journal of machine learning research 9 (nov), 2579–2605 (2008).
- Su, Y., Shi, Q. & Wei, W. Single cell proteomics in biomedicine: High-dimensional data acquisition, visualization, and analysis. PROTEOMICS 17 (3-4), 1600267 (2017). https://doi.org/10.1002/pmic.201600267.
- Kobak, D. & Berens, P. The art of using t-SNE for single-cell transcriptomics. Nature Communications 10 (1), 5416 (2019). https://doi.org/10.1038/s41467-019-13056-x.