ترجمه فارسی مقاله نمایش نمودار داده های سه بعدی برای یادگیری ماشین

چکیده

We give an overview of combinatorial methods to represent 3D data, such as graphs and meshes, from the viewpoint of their amenability to analysis using machine learning algorithms. We highlight pros and cons of various representations and we discuss some methods of generating/switching between the representations. We finally present two concrete applications in life science and industry. Despite its theoretical nature, our discussion is in general motivated by, and biased towards real-world challenges.

چکیده به فارسی (ترجمه ماشینی)

ما یک مرور کلی از روشهای ترکیبی برای نشان دادن داده های سه بعدی مانند نمودارها و مش ها ، از دیدگاه قابلیت استفاده آنها به تجزیه و تحلیل با استفاده از الگوریتم های یادگیری ماشین ارائه می دهیم.ما جوانب مثبت و منفی بازنمودهای مختلف را برجسته می کنیم و در مورد برخی از روش های تولید/تعویض بین بازنمودها بحث می کنیم.سرانجام ما دو برنامه کاربردی مشخص در علوم زندگی و صنعت ارائه می دهیم.علیرغم ماهیت نظری ، بحث ما به طور کلی با انگیزه است و نسبت به چالش های دنیای واقعی مغرضانه است.