論文の概要: TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular
Dynamics
- arxiv url: http://arxiv.org/abs/2002.04461v2
- Date: Sun, 26 Jul 2020 13:42:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 14:06:24.044179
- Title: TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular
Dynamics
- Title(参考訳): TrajectoryNet: 細胞動態モデリングのための動的最適輸送ネットワーク
- Authors: Alexander Tong, Jessie Huang, Guy Wolf, David van Dijk, Smita
Krishnaswamy
- Abstract要約: 本稿では,動的最適輸送を実現するために,分布間の連続経路を制御するTrjectoryNetを提案する。
単細胞RNAシークエンシング(scRNA-seq)技術から得られたデータにおける細胞動態の研究において、これが特に当てはまるかを示す。
- 参考スコア(独自算出の注目度): 74.43710101147849
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is increasingly common to encounter data from dynamic processes captured
by static cross-sectional measurements over time, particularly in biomedical
settings. Recent attempts to model individual trajectories from this data use
optimal transport to create pairwise matchings between time points. However,
these methods cannot model continuous dynamics and non-linear paths that
entities can take in these systems. To address this issue, we establish a link
between continuous normalizing flows and dynamic optimal transport, that allows
us to model the expected paths of points over time. Continuous normalizing
flows are generally under constrained, as they are allowed to take an arbitrary
path from the source to the target distribution. We present TrajectoryNet,
which controls the continuous paths taken between distributions to produce
dynamic optimal transport. We show how this is particularly applicable for
studying cellular dynamics in data from single-cell RNA sequencing (scRNA-seq)
technologies, and that TrajectoryNet improves upon recently proposed static
optimal transport-based models that can be used for interpolating cellular
distributions.
- Abstract(参考訳): 静的断面積測定によって捉えた動的プロセスのデータ、特に医学的な環境では、より頻繁に遭遇する。
このデータから個々の軌跡をモデル化する最近の試みは、最適輸送を用いて時間点間のペアワイズマッチングを作成する。
しかし、これらの手法は、エンティティがこれらのシステムで得る連続力学や非線形パスをモデル化することはできない。
この問題に対処するため、連続正規化フローと動的最適輸送のリンクを確立し、時間とともに期待される点の経路をモデル化する。
連続正規化フローは、ソースからターゲット分布への任意の経路を取ることができるため、一般に制約下にある。
本稿では, 分布間の連続経路を制御し, 動的最適輸送を行うトラックネットを提案する。
この手法は単細胞rnaシークエンシング(scrna-seq)技術によるデータの細胞動力学研究に特に応用可能であり,最近提案された静的最適トランスポートベースモデルによりtrailnetが改善されることを示す。
関連論文リスト
- Dynamical Measure Transport and Neural PDE Solvers for Sampling [77.38204731939273]
本研究では, 対象物へのトラクタブル密度関数の移動として, 確率密度からサンプリングする作業に取り組む。
物理インフォームドニューラルネットワーク(PINN)を用いて各偏微分方程式(PDE)の解を近似する。
PINNはシミュレーションと離散化のない最適化を可能にし、非常に効率的に訓練することができる。
論文 参考訳(メタデータ) (2024-07-10T17:39:50Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳(メタデータ) (2024-02-19T15:57:39Z) - A Dynamic Temporal Self-attention Graph Convolutional Network for
Traffic Prediction [7.23135508361981]
本稿では,隣接する行列をトレーニング可能なアテンションスコア行列とする時間自己アテンショングラフ畳み込みネットワーク(DT-SGN)モデルを提案する。
実世界の交通データセット上での最先端モデル駆動モデルとデータ駆動モデルよりも,本手法の方が優れていることを示す実験を行った。
論文 参考訳(メタデータ) (2023-02-21T03:51:52Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳(メタデータ) (2022-06-29T22:19:03Z) - Understanding Dynamic Spatio-Temporal Contexts in Long Short-Term Memory
for Road Traffic Speed Prediction [11.92436948211501]
本研究では,道路間の空間的および時間的依存を考慮した動的局所長短期記憶(LSTM)モデルを提案する。
LSTMモデルは、長い依存性を持つシーケンシャルデータと複雑な非線形機能を扱うことができる。
実験結果から,提案モデルの予測性能は2つの異なるベースライン法と比較して優れていた。
論文 参考訳(メタデータ) (2021-12-04T19:33:05Z) - Generating Synthetic Training Data for Deep Learning-Based UAV
Trajectory Prediction [11.241614693184323]
本稿では,無人航空機車(UAV)の合成軌道データを生成する手法を提案する。
実世界のUAV追跡データセットにおいて,RNNに基づく予測モデルが従来の参照モデルより優れていることを示す。
論文 参考訳(メタデータ) (2021-07-01T13:08:31Z) - Autoregressive Dynamics Models for Offline Policy Evaluation and
Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。
また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文 参考訳(メタデータ) (2021-04-28T16:48:44Z) - Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。
具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。
提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
論文 参考訳(メタデータ) (2020-01-09T10:21:04Z)
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。