論文の概要: AFP-SRC: Identification of Antifreeze Proteins Using Sparse
Representation Classifier
- arxiv url: http://arxiv.org/abs/2009.05277v3
- Date: Fri, 24 Sep 2021 11:59:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 21:14:36.573940
- Title: AFP-SRC: Identification of Antifreeze Proteins Using Sparse
Representation Classifier
- Title（参考訳）: AFP-SRC:スパース表現分類器を用いた解凍タンパク質の同定
- Authors: Shujaat Khan, Muhammad Usman, Abdul Wahab
- Abstract要約: 極寒地に住む種は、解凍タンパク質(AFP)を用いた厳しい環境と戦う
スパース再構成を用いたサンプル固有分類法を用いて,AFPの予測のための計算フレームワークを提案する。
提案手法は, 平衡精度とユーデン指数の点で優れていた。
- 参考スコア（独自算出の注目度）: 5.285065659030821
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Species living in the extreme cold environment fight against the harsh
conditions using antifreeze proteins (AFPs), that manipulates the freezing
mechanism of water in more than one way. This amazing nature of AFP turns out
to be extremely useful in several industrial and medical applications. The lack
of similarity in their structure and sequence makes their prediction an arduous
task and identifying them experimentally in the wet-lab is time-consuming and
expensive. In this research, we propose a computational framework for the
prediction of AFPs which is essentially based on a sample-specific
classification method using the sparse reconstruction. A linear model and an
over-complete dictionary matrix of known AFPs are used to predict a sparse
class-label vector that provides a sample-association score. Delta-rule is
applied for the reconstruction of two pseudo-samples using lower and upper
parts of the sample-association vector and based on the minimum recovery score,
class labels are assigned. We compare our approach with contemporary methods on
a standard dataset and the proposed method is found to outperform in terms of
Balanced accuracy and Youden's index. The MATLAB implementation of the proposed
method is available at the author's GitHub page
(\{https://github.com/Shujaat123/AFP-SRC}{https://github.com/Shujaat123/AFP-SRC}).
- Abstract（参考訳）: 極寒環境に生息する種は、水の凍結機構を1つ以上の方法で操作する解凍タンパク質(afps)を使用して厳しい環境と戦っている。
AFPの驚くべき性質は、いくつかの産業および医療用途で非常に有用であることが判明した。
構造とシーケンスの類似性の欠如により、予測は大変な作業となり、ウェットラブで実験的に識別することは時間がかかり、費用がかかる。
本研究では,スパース再構成を用いたサンプル特異的分類法を基本としたafps予測のための計算フレームワークを提案する。
既知のAFPの線形モデルと過剰完全辞書行列を用いて、サンプル連想スコアを提供するスパースクラスラベルベクトルを予測する。
サンプル結合ベクトルの下層と上層部を用いた2つの擬似サンプルの再構成にデルタルールを適用し、最小回復スコアに基づいてクラスラベルを割り当てる。
提案手法を標準データセット上の現代手法と比較したところ,提案手法は平衡精度とユーデン指数の点で優れていた。
提案されたメソッドのMATLAB実装は、著者のGitHubページ(\{https://github.com/Shujaat123/AFP-SRC}{https://github.com/Shujaat123/AFP-SRC})で見ることができる。
関連論文リスト
- Decoupled Prototype Learning for Reliable Test-Time Adaptation [50.779896759106784]
テスト時間適応(TTA)は、推論中にトレーニング済みのソースモデルをターゲットドメインに継続的に適応させるタスクである。
1つの一般的なアプローチは、推定擬似ラベルによるクロスエントロピー損失を伴う微調整モデルである。
本研究は, 各試料の分類誤差を最小化することで, クロスエントロピー損失の脆弱性がラベルノイズを引き起こすことを明らかにした。
本稿では,プロトタイプ中心の損失計算を特徴とする新しいDPL法を提案する。
論文 参考訳（メタデータ） (2024-01-15T03:33:39Z) - SUnAA: Sparse Unmixing using Archetypal Analysis [62.997667081978825]
本稿では, 古細菌スパルス解析(SUnAA)を用いた新しい地質学的エラーマップ手法を提案する。
まず,古細菌スパース解析(SunAA)に基づく新しいモデルの設計を行う。
論文 参考訳（メタデータ） (2023-08-09T07:58:33Z) - Parametric Classification for Generalized Category Discovery: A Baseline
Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。
パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。
エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文 参考訳（メタデータ） (2022-11-21T18:47:11Z) - False membership rate control in mixture models [1.387448620257867]
クラスタリングタスクは、サンプルの要素を均質なグループに分割する。
教師付き設定では、このアプローチはよく知られており、禁忌オプションの分類として言及されている。
本稿では, 教師なし混合モデルフレームワークで再検討し, 偽会員率が予め定義された名目レベルを超えないことを保証する手法を開発することを目的とする。
論文 参考訳（メタデータ） (2022-03-04T22:37:59Z) - Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。
PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
論文 参考訳（メタデータ） (2022-01-26T19:59:14Z) - Bayes in Wonderland! Predictive supervised classification inference hits
unpredictability [1.8814209805277506]
デ・フィネッティ型の交換性の下でsBpcとmBpcの収束を示す。
また、分割交換可能なシーケンスを生じる生成モデルのパラメータ推定も行う。
論文 参考訳（メタデータ） (2021-12-03T12:34:52Z) - CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。
CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。
我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文 参考訳（メタデータ） (2021-10-26T20:14:30Z) - AdaPT-GMM: Powerful and robust covariate-assisted multiple testing [0.7614628596146599]
偽発見率(FDR)制御を用いた複数検定の実証的ベイズ法を提案する。
本手法は,アダプティブp値しきい値法(AdaPT)をマスク方式の一般化により洗練する。
我々は、AdaPT-GMMと呼ばれる新しい手法が一貫して高出力を実現することを、広範囲にわたるシミュレーションと実データ例で示す。
論文 参考訳（メタデータ） (2021-06-30T05:06:18Z) - Semi-Supervised Speech Recognition via Graph-based Temporal
Classification [59.58318952000571]
半教師付き学習は自己学習による自動音声認識において有望な結果を示した。
このアプローチの有効性は、主に擬似ラベルの精度に依存する。
N-bestリストの別のASR仮説は、ラベルなしの発話に対してより正確なラベルを提供することができる。
論文 参考訳（メタデータ） (2020-10-29T14:56:56Z) - A Compressive Classification Framework for High-Dimensional Data [12.284934135116515]
本稿では,データ次元がサンプルサイズよりもかなり高い設定のための圧縮分類フレームワークを提案する。
提案手法は線形判別分析に基づく正規化判別分析(CRDA)と呼ばれる。
識別規則における強しきい値化を促進するジョイントスパーシティを用いることで、重要な特徴を選択できる。
論文 参考訳（メタデータ） (2020-05-09T06:55:00Z)
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。