标签存档: 高维数据

对人工神经网络的隐式行为进行可视化 (Visualizing the Hidden Activity of Artificial Neural Networks)

图3:训练前后MLP最后一层数据表示的投影图

在许多机器学习任务中,人工神经网络尤其是近些年发展起来的深度学习网络,已经取得了十分瞩目的结果。然而,以前研究者往往将神经网络的内部行为当作黑盒来看待,神经网络到底学习到了什么并不了解。近些年来,研究者们逐渐开始关注这一问题,并通过了解其内部行为来帮助优化模型。而这篇工作则是从可视化的角度出发来对待这个问题。

继续阅读 »

用时序MDS视图分析高维数据(Temporal MDS Plots for Analysis of Multivariate Data)

在大数据时代,数据的维度越来越丰富,一个数据往往拥有许多属性(Multivariate)。同时数据越来越多的数据带有着时间属性,如何分析高维数据的在时间上的模式成为一项挑战。在现实中,这类数据包括了计算机通络流量数据、医疗数据、金融数据等。可视分析技术致力于帮助人们理解复杂的数据并且找到数据中蕴含的模式。在2015的VAST论文中,来自德国Konstanz大学的小组提出了时序MDS视图(Temporal MDS Plots)的方法帮助分析高维数据在时间上的模式。 继续阅读 »

决策探索实验室:一个针对决策管理的可视分析解决方案(Decision Exploration Lab: A Visual Analytics Solution for Decision Management)

随着现在时代的发展,可视分析不仅仅用于传统的科学数据或者统计数据等量化、可描述的领域,而对于“过程”、“决策”等这些看似抽象的东西,也有可视分析的用武之地。这篇文章,我们就来介绍一个在管理科学领域,利用可视分析对决策流程的管理、探索与优化的故事。

继续阅读 »