Wizualizacja dużych zbiorów danych za

pomocą głębokich sieci neuronowych

AUTOR - PAWEŁ SIKORA

PROMOTOR - DR INŻ. MARCIN KURDZIEL

Dziedzina pracy

Dane: Macierz podobieństwa między

obiektami

Ustawiamy obiekty na płaszczyźnie tak aby

ich ułożenie odwzorowywało podobieństwa

Przykłady obiektów:

obrazek o rozdzielczości 20x20 – float[400]

autorzy artykułów – ile mają wspólnych publikacji

Po co wizualizacja (redukcja

wymiarowości)

Umożliwienie ludziom błyskawicznego

przeglądania ogromnych ilości danych

Ekstrakcja cech do dalszej analizy danych

(klasyfikacji, klastrowania)

Cel pracy

Wydajna implementacja algorytmu Parametric

TSNE na karcie graficznej

Sprawdzenie efektywności algorytmu w różnych

przypadkach testowych

Próba ulepszenia algorytmu

Visualizing data using t-SNE

Van der Maaten, G Hinton - Journal of Machine

Learning, 2008, 750 cytowań

Dużo lepsze wyniki od poprzednich metod

Learning a Parametric Embedding by Preserving Local Structure.

Van der Maaten. In Proceedings of the Twelfth

International Conference on Artificial

Intelligence & Statistics, 2009. 67 cytowań

Opis algorytmu implementowanego w ramach

pracy

Otrzymujemy funkcje mapującą

Podział danych na mini batche

Bardziej złożony od zwykłego T-SNE

Visualizing non-metric similarities in multiple maps

Van der Maaten and Hinton, 2012. Machine

learning, 19 cytowań

Tworzenie wielu wizualizacji, które się uzupełniają

Rozszerzenie T-SNE

http://homepage.tudelft.nl/19j49/multiplemaps/

Multiple_maps_t-SNE/Multiple_maps_t-SNE.html

Inne parametryczne rozszerzenia

T-SNE

Linear basis-function t-sne for fast nonlinear dimensionality reduction - A Gisbrecht, B Mokbel

- Neural Networks (IJCNN), 2012, 8 cytowań

Parametric nonlinear dimensionality reduction using kernel t-SNE - A Gisbrecht, A Schulz, B

Hammer, Neurocomputing, 2015, 2 cytowania