Fugu-MT 論文翻訳(概要): A Review on Modern Computational Optimal Transport Methods with Applications in Biomedical Research

論文の概要: A Review on Modern Computational Optimal Transport Methods with Applications in Biomedical Research

arxiv url: http://arxiv.org/abs/2008.02995v3
Date: Thu, 20 May 2021 09:39:21 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 00:34:29.742442
Title: A Review on Modern Computational Optimal Transport Methods with Applications in Biomedical Research
Title（参考訳）: バイオメディカル研究における現代計算最適輸送手法の展望
Authors: Jingyi Zhang, Wenxuan Zhong, Ping Ma
Abstract要約: 本稿では,正規化に基づく手法と投影に基づく手法に着目した,最先端の計算最適輸送手法を提案する。バイオメディカル研究における実世界の応用について論じる。
参考スコア（独自算出の注目度）: 9.658739280513158
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Optimal transport has been one of the most exciting subjects in mathematics, starting from the 18th century. As a powerful tool to transport between two probability measures, optimal transport methods have been reinvigorated nowadays in a remarkable proliferation of modern data science applications. To meet the big data challenges, various computational tools have been developed in the recent decade to accelerate the computation for optimal transport methods. In this review, we present some cutting-edge computational optimal transport methods with a focus on the regularization-based methods and the projection-based methods. We discuss their real-world applications in biomedical research.
Abstract（参考訳）: 最適輸送は18世紀から数学における最もエキサイティングな主題の1つである。 2つの確率測度の間を移動するための強力なツールとして、現代のデータサイエンスの応用が著しく拡大する中で、最適な輸送方法が再活性化されている。ビッグデータの課題に対処するため、最適な輸送手法の計算を高速化する様々な計算ツールが近年開発されている。本稿では,正規化に基づく手法と投影に基づく手法に着目した,最先端の計算最適輸送手法を提案する。バイオメディカル研究における実世界の応用について論じる。

関連論文リスト

Optimal Transport Maps are Good Voice Converters [58.42556113055807]
本稿では,メル・スペクトログラムや自己教師付き音声モデルの潜在表現など,さまざまなデータ表現に最適なトランスポートアルゴリズムを提案する。メリースペクトルデータ表現では、Frechet Audio Distance (FAD) を用いて強い結果が得られる。我々は,限られた参照話者データであっても,最先端の成果を達成し,既存手法よりも優れていた。
論文参考訳（メタデータ） (2024-10-17T22:48:53Z)
Recent Advances in Optimal Transport for Machine Learning [5.492296610282042]
2012～2023年の間に、マシンラーニングのための最適なトランスポートのコントリビューションを検討します。機械学習の4つのサブフィールド(教師なし、教師なし、転送、強化学習)に焦点を当てる。計算最適輸送とその拡張の最近の発展に注目した。
論文参考訳（メタデータ） (2023-06-28T12:37:23Z)
Scalable Optimal Transport Methods in Machine Learning: A Contemporary Survey [15.500897098518989]
本稿では,機械学習における最適な輸送方法について述べる。まず、最適な輸送背景を説明し、異なるフレーバー(数学的定式化)、特性、顕著な応用を紹介する。次に、大規模・高次元データの現在の要求に対応するために最適な輸送をスケールする方法に関する根本的な問題に対処する。
論文参考訳（メタデータ） (2023-05-08T22:43:16Z)
Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
論文参考訳（メタデータ） (2023-01-16T09:54:02Z)
Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文参考訳（メタデータ） (2022-10-04T13:48:59Z)
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)
Inductive Semi-supervised Learning Through Optimal Transport [0.0]
提案手法は最適輸送誘導 (OTI) と呼ばれ, 最適輸送に基づく帰納的アルゴリズム (OTP) を効率よく帰納的タスクに拡張する。提案手法と最先端手法を比較するために,いくつかのデータセットを用いて実験を行った。
論文参考訳（メタデータ） (2021-12-14T09:52:01Z)
Paradigm Shift Through the Integration of Physical Methodology and Data Science [0.0]
従来の物理・データ科学の方法論を統合する手法は、数学解析の新しい方法である。本稿では,科学的理論の観点から,このような統合手法の重要性と重要性を強調した。
論文参考訳（メタデータ） (2021-09-30T18:00:09Z)
Do Neural Optimal Transport Solvers Work? A Continuous Wasserstein-2 Benchmark [133.46066694893318]
最適輸送のためのニューラルネットワークに基づく解法の性能を評価する。既存の解法では,下流タスクでは良好に機能するにもかかわらず,最適な輸送マップを復元できないことがわかった。
論文参考訳（メタデータ） (2021-06-03T15:59:28Z)
Periodic Stochastic Gradient Descent with Momentum for Decentralized Training [114.36410688552579]
本稿では、モーメントスキーマと周期通信を併用した、分散学習のための新しい周期型モーメントSGD法を提案する。提案した2つの手法の性能を検証するための広範囲な実験を行い、どちらも既存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） (2020-08-24T13:38:22Z)
Large-Scale Optimal Transport via Adversarial Training with Cycle-Consistency [30.305690062622283]
本稿では,輸送マップを直接解き,一般コスト関数と互換性のある大規模最適輸送のためのエンドツーエンドアプローチを提案する。提案手法の有効性を実世界の大規模応用に適用し,提案手法の有効性を実証する。
論文参考訳（メタデータ） (2020-03-14T14:06:46Z)

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。