随着人工智能的发展，机器学习的模型变得越来越复杂，它们难以理解且调试繁琐。迄今为止，几乎所有的可视分析方案均是针对单一模型或是仅仅分析结果，它们要么需要了解内部构造（例如对神经网络隐藏层进行可视分析），要么难以对比不同模型，并将分析结果返回模型中迭代。本文提出了一种可视化解决方案名为Manifold，它不用了解算法内部构造，仅关注输入与输出。该方案以散点图可视摘要+特征细化的方式，为用户提供了假设、推理、验证的工作流程，以帮助用户理解、调试复杂的算法，并且能比对同类问题（分类、回归的有监督学习）的多个算法。
迄今为止，基于病理学的临床工作流程和研究主要由2D成像主导，目前在组织病理学中缺乏适当的可视化工具，这已成为数字病理学的一个限制因素。 3D组织学全色数据集密集且规模大，大约100,000×100,000×100个体素，这对渲染性能和用户体验设计提出了严格的要求。本文提出了一种可视化应用程序，可以对大规模3D组织病理学进行有效的交互式可视化分析，即人体组织的高分辨率3D显微镜数据。该应用程序基于对现有方法的定制和调整，系统集成工作，以及对领域专家作为团队成员的密切参与式设计过程产生的领域特定需求的仔细研究。
关于时间序列查询的工作已有不少，不论是利用形状定义语言SDL或是正则表达式匹配算法进行查询，还是功能强大的TimeSearcher、基于手绘草图的QuerySketch、QueryLines、RINSE、TimeSketch等。但是他们都有各自的缺点，SDL和正则表达式太不直观，不易于使用，查询系统有都有各自的限制。对于时间序列的查询，目前仍然没有很好的解决方案。
本文来自CHI 2018，设计并实现了时间序列查询系统Qetch，并在其中使用了全新的算法。评估表明，Qetch在许多任务中表现优异。
近期评论