Approximate UMAP allows for high-rate online visualization of high-dimensional data streams

要約

BCI 分野では、フィードバックを提供したり、迅速なパラダイム プロトタイピングをガイドしたりするために、脳信号の内省と解釈が望まれていますが、信号のノイズ レベルと次元が高いため、困難です。
ディープ ニューラル ネットワークは、均一多様体近似および投影 (UMAP) などの投影アルゴリズムを使用して、学習した特徴表現を 2 次元または 3 次元の部分空間視覚化に変換することによって内省されることがよくあります。
残念ながら、これらの方法は計算コストが高く、リアルタイムでのデータ ストリームの投影は簡単な作業ではありません。
この研究では、近似 UMAP (aUMAP) と呼ばれる UMAP の新しい変種を導入します。
リアルタイムの内省のための迅速な予測を生成することを目的としています。
リアルタイム投影への適合性を検討するために、標準 UMAP およびそれに対応するニューラル ネットワークのパラメトリック UMAP に対してメソッドをベンチマークします。
私たちの結果は、近似 UMAP が標準 UMAP の投影空間を再現する投影を実現しながら、投影速度を一桁低下させ、同じトレーニング時間を維持することを示しています。

要約(オリジナル)

In the BCI field, introspection and interpretation of brain signals are desired for providing feedback or to guide rapid paradigm prototyping but are challenging due to the high noise level and dimensionality of the signals. Deep neural networks are often introspected by transforming their learned feature representations into 2- or 3-dimensional subspace visualizations using projection algorithms like Uniform Manifold Approximation and Projection (UMAP). Unfortunately, these methods are computationally expensive, making the projection of data streams in real-time a non-trivial task. In this study, we introduce a novel variant of UMAP, called approximate UMAP (aUMAP). It aims at generating rapid projections for real-time introspection. To study its suitability for real-time projecting, we benchmark the methods against standard UMAP and its neural network counterpart parametric UMAP. Our results show that approximate UMAP delivers projections that replicate the projection space of standard UMAP while decreasing projection speed by an order of magnitude and maintaining the same training time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google