voxel2vec：一种用于学习科学数据分布式表示的自然语言处理方法
机器学习
2022-07-25 v2 人机交互
摘要
科学数据中的关系，如单变量数据中特征在数值与空间分布上的关系、多变量数据中标量值组合的关系，以及时变与集合数据中体素间的关联，是错综复杂的。本文提出 voxel2vec，一种新颖的无监督表示学习模型，用于在低维向量空间中学习标量值/标量值组合的分布式表示。其基本假设是：若两个标量值/标量值组合具有相似的上下文，则它们在特征上通常具有高度相似性。通过将标量值/标量值组合表示为符号，voxel2vec 在空间分布上下文中学习它们之间的相似性，进而通过迁移预测使我们能够探索体素间的整体关联。我们通过将 voxel2vec 与单变量数据的等值面相似度图进行比较，并将学习到的分布式表示应用于多变量数据的特征分类以及时变与集合数据的关联分析，证明了 voxel2vec 的实用性与有效性。
引用
@article{arxiv.2207.02565,
title = {voxel2vec: A Natural Language Processing Approach to Learning Distributed Representations for Scientific Data},
author = {Xiangyang He and Yubo Tao and Shuoliu Yang and Haoran Dai and Hai Lin},
journal= {arXiv preprint arXiv:2207.02565},
year = {2022}
}
备注
Accepted by IEEE Transaction on Visualization and Computer Graphics (TVCG)