- 使用动态图嵌入轨迹增强跨学科洞见力
DyGETViz 是一个用于可视化动态图 (DGs) 的新框架，它利用了离散时间动态图 (DTDG) 模型的最新进展，灵活处理动态图中固有的时间动态。DyGETViz 能够有效捕捉图中的微观和宏观结构变化，为表示复杂而庞大的动态图提供了一种 - 扩散生命周期之树：演化嵌入来理解扩散模型的生成过程
通过 Tree of Diffusion Life（TDL）方法，对扩散模型的生成空间进行采样并利用图像编码器从这些样本中提取语义含义，借助一种新颖的演化嵌入算法明确编码迭代过程并保留高维关系，从而实现对数据演化的可视化，简化了对扩散模型数 - 时变极点图
我们介绍了一种支持时间变化标量场的可视化和分析的拓扑结构，即时间变化的极值图（TVEG）。TVEG 是 Morse-Smale 复杂的子结构，捕捉了标量场的 Morse 分解中细胞之间的邻接关系，并通过优化问题构建了 TVEG。我们通过多个 - V-RECS, 一种低成本的 LLM4VIS 推荐器，附有解释、字幕和建议
NL2VIS 研究领域涉及将自然语言查询解释并将其转化为准确代表底层数据的可视化，为非专家用户大大便利了数据探索；本文提出了 V-RECS，首个具有解释、标题和进一步数据探索建议的基于 LLM 的视觉推荐系统，通过细化小型模型的方法解决了强 - 标准迷蒙含义：关于使用标准数据集的明智立场
标准数据集的标签与所得类别的匹配度是影响机器学习模型信任度的关键因素，通过采用基于实践的理论和可视化等评估方法，我们证明了对于 20 个新闻组数据集和 MNIST 数据集，标准数据集的标签可能是不准确的，而 MNIST 数据集则表明了其标签 - 支持向量机的概念漂移可视化与滑动窗口
我们提出了一种基于平行坐标的新型可视化模型，通过连接连续时间窗口中分布的均值，将漂移显示为这些分布的变化，用于解释机器学习模型在选择漂移点时的决策，并能检测和描述概念漂移，为进一步研究开辟了可能性。
- 数值库自动调谐中可解释人工智能的应用
未受监管的人工智能（AI）输出的使用引发了一系列社会问题，为了化解对 AI 输出的解释负担，自动化和可视化至关重要。同时，在数值计算中，软件自动调优（AT）技术的出现旨在减少性能调整所需的时间，实现成本降低和高性能编程。AT 机制与 AI - TrafficGPT：面向多尺度空间 - 时间代理框架的交通分析与生成
利用 AI 代理、多尺度交通数据、语义信息以及可视化，设计了 TrafficGPT 系统，实现多尺度交通预测和交互性能，通过实验验证其在真实道路数据集上的卓越表现。
- SLIMBRAIN: 增强现实实时获取和处理系统 用于体内外科手术的深度信息高光谱分类绘图
SLIMBRAIN 是一个实时获取和处理增强现实系统，适用于从高光谱信息中分类和显示脑肿瘤组织。该系统在肿瘤切除手术过程中以每秒 14 帧的速度捕获和处理高光谱图像，同时实现癌组织的检测和定位。这种可视化表示与 LiDAR 相机捕捉的 RG - Task2Box：用于建模非对称任务关系的盒子嵌入
使用盒子嵌入方法（在低维空间中使用轴对齐的超矩形）可以准确地捕捉任务之间的不对称关系，并用于任务之间的预测和可视化。
- 2023 年机器学习可信度可视化现状再探
可解释和可靠的机器学习的可视化仍然是信息可视化和视觉分析领域中最重要和深入研究的领域之一，涉及医学、金融和生物信息等各种应用领域。本文在我们 2020 年的最新报告基础上，收集了经同行评审的描述可视化技术的文章，根据之前建立的 119 个分 - 从拓扑学观点看语言学
该研究描述了一种分析南美洲语言的拓扑形状的工作流程，通过应用多重对应分析技术和拓扑数据分析方法，解决了语言学中普遍存在的分类值数据库数据可视化困难的问题。
- ProtoP-OD：基于典型部件的可解释目标检测
通过引入原型局部特征作为对象检测的扩展，该论文介绍了一种解释和可视化检测变换器行为的方法，该方法能对模型关注的图像位置进行突出显示，并提供模型关注的语义内容的有限洞察力。
- exploreCOSMOS: 条件统计形状模型的网络浏览器交互式探索
通过此工具可以方便地在浏览器中探索统计形状模型，并能有针对性地操作面部。
- TIAViz：计算病理学模型的基于浏览器的可视化工具
数字病理学在现代医疗系统中得到了显著的推广，通过光学显微镜向数字图像的转变带来了改进诊断、提高效率以及将人工智能工具整合到病理学家工作流程中的潜力。我们介绍了 TIAViz，这是一个内置于 TIAToolbox 的基于 Python 的可视 - 通过可视化动态风险评估理解深度学习对抗性示例的防御
近年来，深度神经网络模型在各个领域取得了许多进展，但是它们也开始在风险关键任务中使用。模型的误诊可能导致严重事故甚至死亡。这引起了研究人员对这些模型的攻击进行研究，发现了一长串的漏洞，所以每个模型都应该进行防护。对抗性示例攻击是研究人员中广 - 基于混合马尔可夫模型的学生参与行为建模与预测
利用基于模型的聚类方法，通过生成混合马尔可夫模型对学生的（非）参与行为进行分组，通过预处理和 EM 算法初始化的方法来提高聚类效果，并通过马尔可夫链可视化学生的参与行为。
- Vi (E) va LLM！基于生成 AI 可视化的评估和解释概念栈
通过我们提出的评估方法和平台 EvaLLM，我们解决并评估了大型语言模型生成可视化的问题，并通过 GPT3.5-turbo with Code Interpreter 和 Llama2-70-b 模型的两个案例研究展示了相关结果。
- Gnuastro: 色彩图像的完整动态范围可视化
多波长天文图像的颜色在可视化、解释和分析中起着关键作用，然而生成准确表达天文源完整动态范围的彩色图像具有一定挑战性，本研究通过非线性转换方法成功将亮度较高的像素赋予 8 位 RGB（红 - 绿 - 蓝）值，而较暗的像素通过反向灰度显示，从而 - 基于均匀地标采样和约束局部线性嵌入的可伸缩流形学习
基于机器学习和数据科学的关键方法之一，流形学习旨在揭示高维空间中复杂非线性流形内部的内在低维结构。我们提出了一种可扩展的流形学习方法，可以高效地处理大规模和高维数据，从而应用于可视化、分类等领域。