Fugu-MT 論文翻訳(概要): Tropical Data Science

論文の概要: Tropical Data Science

arxiv url: http://arxiv.org/abs/2005.06586v1
Date: Wed, 13 May 2020 21:03:41 GMT
ステータス: 処理完了
システム内更新日: 2022-12-03 13:42:26.951517
Title: Tropical Data Science
Title（参考訳）: 熱帯データ科学
Authors: Ruriko Yoshida
Abstract要約: フィロジェノミクス(英: Phylogenomics)は、フィロジェネティクスのツールをゲノムデータに適用する新しい分野である。新たな技術とデータ量の増加により、我々は系統樹の空間でそれらを解析する新たな課題に直面している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Phylogenomics is a new field which applies to tools in phylogenetics to genome data. Due to a new technology and increasing amount of data, we face new challenges to analyze them over a space of phylogenetic trees. Because a space of phylogenetic trees with a fixed set of labels on leaves is not Euclidean, we cannot simply apply tools in data science. In this paper we survey some new developments of machine learning models using tropical geometry to analyze a set of phylogenetic trees over a tree space.
Abstract（参考訳）: フィロジェノミクス(英: Phylogenomics)は、系統学のツールをゲノムデータに適用する新しい分野である。新たな技術とデータ量の増加により、系統樹の空間でそれらを解析する新たな課題に直面しています。葉にラベルが固定された系統樹の空間はユークリッドではないので、単にデータサイエンスにツールを適用することはできない。本稿では,熱帯地形を用いた機械学習モデルの新たな展開を概説し,樹木空間上の系統樹群を解析する。

関連論文リスト

A Review of Artificial Intelligence based Biological-Tree Construction: Priorities, Methods, Applications and Trends [43.12448177569722]
生物学的ツリー分析は、生物、遺伝子、細胞間の進化的および分化的関係を明らかにする重要なツールとなる。従来の木推論手法は、初期の研究に基礎を置いているが、大規模で複雑なデータセットを処理する際の制限が増大している。ディープラーニングの最近の進歩は有望なソリューションを提供し、データ処理とパターン認識機能を提供する。
論文参考訳（メタデータ） (2024-10-07T08:00:41Z)
VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
論文参考訳（メタデータ） (2024-05-13T20:15:03Z)
Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
論文参考訳（メタデータ） (2024-02-01T03:39:01Z)
Unsupervised Learning of Phylogenetic Trees via Split-Weight Embedding [0.0]
シミュレーションデータと実データ(Adansonia baobabs)の有意義な進化的関係を再現できることを示す。
論文参考訳（メタデータ） (2023-12-26T14:50:39Z)
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)
GeoPhy: Differentiable Phylogenetic Inference via Geometric Gradients of Tree Topologies [0.3263412255491401]
連続幾何学空間における位相分布のユニークな表現を利用する、系統推論の新規で完全に微分可能な定式化を導入する。実際のベンチマークデータセットを用いた実験では、GeoPhyは全トポロジーを考慮した他の近似ベイズ法よりも著しく優れていた。
論文参考訳（メタデータ） (2023-07-07T15:45:05Z)
Symmetry-Informed Geometric Representation for Molecules, Proteins, and Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。 Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文参考訳（メタデータ） (2023-06-15T05:37:25Z)
Leaping through tree space: continuous phylogenetic inference for rooted and unrooted trees [0.49478969093606673]
我々は、勾配の計算が可能な連続空間において、木探索と推論の両方を行う。この連続的な緩和は、根付き木と根なし木の両方において木空間を横断する大きな跳躍を可能にし、局所ミニマへの収束の感受性が低い。提案手法は, 未開根木に対する推定法や, シミュレーションにおいて, 超測定の場合, 木と根を正確に推定する手法よりも優れている。
論文参考訳（メタデータ） (2023-06-09T08:13:06Z)
Learnable Topological Features for Phylogenetic Inference via Graph Neural Networks [7.310488568715925]
学習可能なトポロジカル特徴に基づく系統的推論のための新しい構造表現法を提案する。ディリクレエネルギーを最小化する生のノード特徴を現代のグラフ表現学習技術と組み合わせることで、学習可能なトポロジカル特徴は系統樹の効率的な構造情報を提供することができる。
論文参考訳（メタデータ） (2023-02-17T12:26:03Z)
Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文参考訳（メタデータ） (2021-02-11T08:48:48Z)
Uncovering the Folding Landscape of RNA Secondary Structure with Deep Graph Embeddings [71.20283285671461]
このようなグラフ埋め込みを学習するための幾何散乱オートエンコーダ(GSAE)ネットワークを提案する。我々の埋め込みネットワークは、最近提案された幾何散乱変換を用いて、まずリッチグラフ特徴を抽出する。 GSAEは、構造とエネルギーの両方でRNAグラフを整理し、ビスタブルRNA構造を正確に反映していることを示す。
論文参考訳（メタデータ） (2020-06-12T00:17:59Z)

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。