เมื่อจัดการกับข้อมูลสตรีมมิ่งคุณอาจไม่ต้องการ / จำเป็นต้องฝังคะแนนทั้งหมดในประวัติศาสตร์ในแผนที่ t-SNE เดียว คุณสามารถทำการฝังออนไลน์ได้โดยทำตามขั้นตอนง่าย ๆ เหล่านี้:
เลือกหน้าต่างเวลาของช่วงเวลา T นานพอเพื่อให้แต่ละรูปแบบความสนใจปรากฏขึ้นอย่างน้อยสองครั้งในช่วงเวลาของหน้าต่าง
เลื่อนหน้าต่างไปตามกระแสข้อมูลด้วยขั้นตอน dt เล็กกว่า T มากสำหรับแต่ละตำแหน่งของหน้าต่างคำนวณ t-SNE ฝังจุดข้อมูลในหน้าต่างเวลา
เมล็ดแต่ละฝังด้วยผลลัพธ์ของหนึ่งก่อนหน้า ใน t-SNE เราจำเป็นต้องเลือกพิกัดเริ่มต้นของจุดข้อมูลในพื้นที่มิติต่ำ ในกรณีของเราเนื่องจากเราเลือก dt ที่เล็กกว่า T มากสองงานแต่งงานที่ต่อเนื่องกันจะใช้จุดข้อมูลร่วมกัน สำหรับทุกจุดข้อมูลที่ใช้ร่วมกันตรงกับพิกัดแรกของพวกเขาในการฝังปัจจุบันพิกัดสุดท้ายของพวกเขาในการฝังก่อนหน้านี้ ขั้นตอนนี้จะทำให้มั่นใจได้ว่ารูปแบบที่คล้ายกันมีการแสดงที่สอดคล้องกันในงานแต่งงานที่ต่อเนื่องกัน (ในการใช้งาน sklearnใน python พารามิเตอร์ seed คือ "init" โดยค่าเริ่มต้นการใช้งาน sklearn จะกำหนดตำแหน่งเริ่มต้นของคะแนนแบบสุ่ม)
หมายเหตุ 1: สิ่งสำคัญคือรูปแบบของความสนใจปรากฏอย่างน้อยหนึ่งครั้งในช่วงเวลาที่กำหนดดังนั้นหน่วยความจำของการเป็นตัวแทนจะไม่หายไปเมื่อหน้าต่างเลื่อนผ่านชุดข้อมูล โดยทั่วไปแล้ว t-SNE ไม่ได้มาบรรจบกันเป็นวิธีแก้ปัญหาที่เป็นเอกลักษณ์ แต่มีเพียงค่าต่ำสุดในท้องถิ่นดังนั้นหากหน่วยความจำหายไปรูปแบบที่คล้ายกันอาจถูกนำเสนอในรูปแบบที่แตกต่างกันมาก
หมายเหตุ 2: วิธีนี้มีความเกี่ยวข้องโดยเฉพาะอย่างยิ่งเมื่อต้องรับมือกับอนุกรมเวลาที่ไม่อยู่กับที่ซึ่งเราต้องการติดตามรูปแบบที่วิวัฒนาการช้าๆตลอดเวลา แน่นอนว่าการฝังแต่ละครั้งจะมีการระบุเฉพาะที่หน้าต่างเวลาเล็ก ๆ ที่คำนวณได้เพื่อให้แน่ใจว่ามันจะจับภาพโครงสร้างท้องถิ่นชั่วคราวในวิธีที่ดีที่สุด
หมายเหตุ 3: ในวิธีนี้ embedding ที่ต่อเนื่องไม่สามารถขนานกันได้เนื่องจากต้องการผลลัพธ์ของการฝังก่อนหน้านี้เพื่อให้ seed ถัดไป อย่างไรก็ตามเนื่องจากเมล็ด (เช่นพิกัดเริ่มต้นของคะแนน) ได้รับการคัดเลือกเป็นอย่างดีสำหรับจุดส่วนใหญ่ (ทุกจุดที่ใช้ร่วมกันระหว่างงานแต่งงานที่ประสบความสำเร็จ) การฝังมักจะมาบรรจบกันอย่างรวดเร็วมากในการทำซ้ำเพียงไม่กี่
สำหรับตัวอย่างของการประยุกต์ใช้วิธีนี้กับอนุกรมเวลาที่ไม่หยุดนิ่งดูบทความนี้ ( ICLR 2016 การเรียนรู้การเป็นตัวแทนที่มั่นคงในโลกที่เปลี่ยนแปลงด้วยออนไลน์ t-SNE: การพิสูจน์แนวคิดในนกร้องเพลง ) ซึ่งประสบความสำเร็จในการนำไปใช้ เพื่อติดตามการเกิดขึ้นของพยางค์ตลอดการพัฒนาในนกที่เพรียกร้อง