Fugu-MT 論文翻訳(概要): Efficient Reconstruction of Stochastic Pedigrees

論文の概要: Efficient Reconstruction of Stochastic Pedigrees

arxiv url: http://arxiv.org/abs/2005.03810v1
Date: Fri, 8 May 2020 01:08:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-05 12:34:02.387708
Title: Efficient Reconstruction of Stochastic Pedigrees
Title（参考訳）: 確率的系統の効率的な再構築
Authors: Younhun Kim, Elchanan Mossel, Govind Ramnarayan, Paxton Turner
Abstract要約: 我々は、遺伝子データから既存の集団の系譜やテキストペディグリーを再構築する、 sc Rec-Gen と呼ばれる新しいアルゴリズムを導入する。我々は,現実の系譜の特徴の一部を再現した理想化された生成モデルから,Sc Rec-Genの有効性の数学的証明を行うことによって,我々のアプローチを正当化する。
参考スコア（独自算出の注目度）: 7.847440192956767
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a new algorithm called {\sc Rec-Gen} for reconstructing the genealogy or \textit{pedigree} of an extant population purely from its genetic data. We justify our approach by giving a mathematical proof of the effectiveness of {\sc Rec-Gen} when applied to pedigrees from an idealized generative model that replicates some of the features of real-world pedigrees. Our algorithm is iterative and provides an accurate reconstruction of a large fraction of the pedigree while having relatively low \emph{sample complexity}, measured in terms of the length of the genetic sequences of the population. We propose our approach as a prototype for further investigation of the pedigree reconstruction problem toward the goal of applications to real-world examples. As such, our results have some conceptual bearing on the increasingly important issue of genomic privacy.
Abstract（参考訳）: 本稿では,その遺伝的データから既存の集団の系譜を再構築するアルゴリズムである {\sc Rec-Gen} を導入する。実世界の血統の特徴を再現する理想化された生成モデルから、血統に適用された場合、その効果を数学的に証明することで、我々のアプローチを正当化する。本アルゴリズムは反復的であり, 集団の遺伝的配列長の観点で測定した, 比較的低値なemph{sample complexity} を保ちながら, 系統のかなりの部分を正確に再構成する。本研究は,実例への適用に向けた系統再構築問題のさらなる検討のためのプロトタイプとして提案する。その結果,遺伝子プライバシの重要度が高まる問題に対する概念的考察が得られた。

関連論文リスト

The Inefficiency of Genetic Programming for Symbolic Regression -- Extended Version [0.0]
我々は,遺伝的プログラミングの探索挙動を,実用上は関係するが限定的な状況下での象徴的回帰のために分析する。これにより、最良の表現を見つける成功確率を定量化できる。遺伝的プログラミングの探索効率を意味的一意表現の空間におけるランダム探索と比較する。
論文参考訳（メタデータ） (2024-04-26T09:49:32Z)
Generator Born from Classifier [66.56001246096002]
データサンプルに頼ることなく、イメージジェネレータを再構築することを目指している。本稿では,ネットワークパラメータの収束条件を満たすために,ジェネレータを訓練する新しい学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-12-05T03:41:17Z)
PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
論文参考訳（メタデータ） (2023-10-12T23:46:08Z)
The tree reconstruction game: phylogenetic reconstruction using reinforcement learning [30.114112337828875]
本研究では,系統樹の再構築に挑戦する強化学習アルゴリズムを提案する。本研究では,強化学習を用いて最適な探索戦略を学習できることを実証する。以上の結果から, 推定された系統の確率スコアは, 広く使われているソフトウェアと類似していることが示唆された。
論文参考訳（メタデータ） (2023-03-12T16:19:06Z)
Genetic Imitation Learning by Reward Extrapolation [6.340280403330784]
我々は,遺伝的アルゴリズムと模倣学習を統合したGenILという手法を提案する。遺伝的アルゴリズムの関与は、様々なリターンで軌道を再現することで、データ効率を向上させる。我々はAtariドメインとMujocoドメインの両方でGenILをテストし、その結果、以前の手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2023-01-03T14:12:28Z)
Generalization Guarantee of Training Graph Convolutional Networks with Graph Topology Sampling [83.77955213766896]
グラフ畳み込みネットワーク(GCN)は近年,グラフ構造化データの学習において大きな成功を収めている。スケーラビリティ問題に対処するため、Gsの学習におけるメモリと計算コストを削減するため、グラフトポロジサンプリングが提案されている。本稿では,3層GCNのトレーニング(最大)におけるグラフトポロジサンプリングの最初の理論的正当性について述べる。
論文参考訳（メタデータ） (2022-07-07T21:25:55Z)
Learning to Untangle Genome Assembly with Graph Convolutional Networks [17.227634756670835]
我々は,グラフ畳み込みネットワークをトレーニングし,それらを経由する正しい経路を見つけることによって,アセンブリグラフを解決するための新しい学習フレームワークを導入する。実験の結果、単一の染色体からのみ生成された模擬グラフに基づいて訓練されたモデルが、他の全ての染色体を著しく解決できることがわかった。
論文参考訳（メタデータ） (2022-06-01T04:14:25Z)
Efficient Reconstruction of Stochastic Pedigrees: Some Steps From Theory to Practice [5.749044590090683]
モデルに基づいて生成したシミュレーションデータに対してREC-GENの性能について検討した。祖先再構成と呼ばれるアルゴリズムの主なステップは、交配を伴わないが、ランダムな交配個体群ではうまく機能しない理想化された環境で正確に機能することが示される。
論文参考訳（メタデータ） (2022-04-10T01:08:39Z)
Progressive Spatio-Temporal Graph Convolutional Network for Skeleton-Based Human Action Recognition [97.14064057840089]
本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
論文参考訳（メタデータ） (2020-11-11T09:57:49Z)
A deep learning classifier for local ancestry inference [63.8376359764052]
局所祖先推論は、個人のゲノムの各セグメントの祖先を特定する。我々は,エンコーダ・デコーダアーキテクチャを備えた深層畳み込みニューラルネットワークを用いた新しいLAIツールを開発した。我々は,既存のゴールド標準ツール RFMix とほぼ同等の精度で,ゼロショットタスクとしてアドミキシングを学習できることを実証した。
論文参考訳（メタデータ） (2020-11-04T00:42:01Z)
Goal-directed Generation of Discrete Structures with Conditional Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文参考訳（メタデータ） (2020-10-05T20:03:13Z)

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。