論文の概要: A New Burrows Wheeler Transform Markov Distance

• arxiv url: http://arxiv.org/abs/1912.13046v1
• Date: Mon, 30 Dec 2019 18:33:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 02:24:04.936070
• Title: A New Burrows Wheeler Transform Markov Distance
• Title（参考訳）: 新しいバローズホイーラーはマルコフ距離を変換する
• Authors: Edward Raff, Charles Nicholas, Mark McLean
• Abstract要約: 圧縮アルゴリズムにインスパイアされた以前の研究は、バイオインフォマティクス問題に対する距離測定を作成するために、Burrows Wheeler Transformをどのように使用できるかを記述している。 代替手段として,Burrows Wheeler Markov Distance (BWMD)を紹介した。 BWMDは、以前の取り組みの欠点を回避し、可変長DNAシークエンスクラスタリングの問題に取り組むことができる。
• 参考スコア（独自算出の注目度）: 40.264314017697615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior work inspired by compression algorithms has described how the Burrows Wheeler Transform can be used to create a distance measure for bioinformatics problems. We describe issues with this approach that were not widely known, and introduce our new Burrows Wheeler Markov Distance (BWMD) as an alternative. The BWMD avoids the shortcomings of earlier efforts, and allows us to tackle problems in variable length DNA sequence clustering. BWMD is also more adaptable to other domains, which we demonstrate on malware classification tasks. Unlike other compression-based distance metrics known to us, BWMD works by embedding sequences into a fixed-length feature vector. This allows us to provide significantly improved clustering performance on larger malware corpora, a weakness of prior methods.
• Abstract（参考訳）: 圧縮アルゴリズムにインスパイアされた以前の研究は、バイオインフォマティクス問題に対する距離測定を作成するためにBurrows Wheeler Transformをどのように使用できるかを記述している。 我々は、広く知られていなかったこのアプローチの問題を説明し、新しいBurrows Wheeler Markov Distance (BWMD) を代替として紹介する。 BWMDは、以前の取り組みの欠点を回避し、可変長DNAシークエンスクラスタリングの問題に取り組むことができる。 BWMDは、マルウェア分類タスクにおいて、他のドメインにも適応可能である。 圧縮に基づく他の距離測定と異なり、BWMDは配列を固定長特徴ベクトルに埋め込むことで機能する。 これにより,従来手法の弱点である大規模マルウェアコーパスのクラスタリング性能が大幅に向上します。

関連論文リスト

• Revisiting Multi-Permutation Equivariance through the Lens of Irreducible Representations [3.0222726571099665]
  非シーム層は、グラフ異常検出、重み空間アライメント、ワッサーシュタイン距離の学習といったタスクのパフォーマンスを向上させることができることを示す。 また、これらの追加の非シーム層は、グラフ異常の検出、重み空間のアライメント、ワッサーシュタイン距離の学習といったタスクのパフォーマンスを向上させることを実証的に示す。
  論文  参考訳（メタデータ） (2024-10-09T08:19:31Z)
• MICDrop: Masking Image and Depth Features via Complementary Dropout for Domain-Adaptive Semantic Segmentation [155.0797148367653]
  Unsupervised Domain Adaptation (UDA)は、ラベル付きソースドメインとラベルなしターゲットドメインの間のドメインギャップを埋めるタスクである。 深度不連続性はしばしばセグメンテーション境界と一致するため、幾何学的情報、すなわち深度予測を活用することを提案する。 提案手法は, 様々な UDA 手法にプラグインし, 標準 UDA ベンチマークで連続的に結果を改善することができることを示す。
  論文  参考訳（メタデータ） (2024-08-29T12:15:10Z)
• Rethinking PGD Attack: Is Sign Function Necessary? [131.6894310945647]
  本稿では,このような手話に基づく更新アルゴリズムが段階的攻撃性能にどのように影響するかを理論的に分析する。 本稿では,手話の使用を排除したRGDアルゴリズムを提案する。 提案したRGDアルゴリズムの有効性は実験で広く実証されている。
  論文  参考訳（メタデータ） (2023-12-03T02:26:58Z)
• A Large-scale Multiple-objective Method for Black-box Attack against Object Detection [70.00150794625053]
  我々は、真正の確率を最小化し、偽正の確率を最大化し、より多くの偽正の物体が新しい真正の有界箱を作らないようにする。 我々は、GARSDCと呼ばれるランダム・サブセット選択とディバイド・アンド・コンカーによる標準的な遺伝的アルゴリズムを拡張し、効率を大幅に改善する。 最先端攻撃法と比較して、GARSDCはmAPでは平均12.0、広範囲な実験ではクエリでは約1000倍減少する。
  論文  参考訳（メタデータ） (2022-09-16T08:36:42Z)
• Deep vanishing point detection: Geometric priors make dataset variations vanish [24.348651041697114]
  ディープラーニングは画像の消滅点検出を改善した。 しかし、ディープネットワークは高価なハードウェアでトレーニングされた高価なアノテートデータセットを必要とする。 ここでは、これらの問題に対して、事前知識で深い消滅点検出ネットワークを注入することで対処する。
  論文  参考訳（メタデータ） (2022-03-16T12:34:27Z)
• Transferable Sparse Adversarial Attack [62.134905824604104]
  オーバーフィッティング問題を緩和するジェネレータアーキテクチャを導入し、転送可能なスパース対逆例を効率的に作成する。 提案手法は,他の最適化手法よりも700$times$高速な推論速度を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:44:58Z)
• OAAE: Adversarial Autoencoders for Novelty Detection in Multi-modal Normality Case via Orthogonalized Latent Space [2.8460045437436383]
  直交的潜在空間を用いたマルチモーダル正規性症例における新規点の計測法を提案する。 提案アルゴリズムは,RaPPやOCGANなどのGANを用いた最先端のノベルティ検出アルゴリズムと比較し,実験結果から,これらのアルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-07T03:59:47Z)
• Yet Another Intermediate-Level Attack [31.055720988792416]
  ディープニューラルネットワーク(DNN)モデルにまたがる敵のサンプルの転送可能性は、ブラックボックス攻撃のスペクトルのくぼみである。 本稿では,ベースライン逆数例のブラックボックス転送性を向上させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-08-20T09:14:04Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。