論文の概要: Optimal-transport-based metric for SMLM
- arxiv url: http://arxiv.org/abs/2010.13423v2
- Date: Sat, 6 Feb 2021 22:50:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 20:26:15.741307
- Title: Optimal-transport-based metric for SMLM
- Title(参考訳): SMLMのための最適輸送基準
- Authors: Quentin Denoyelle, Thanh-an Pham, Pol del Aguila Pla, Daniel Sage, and
Michael Unser
- Abstract要約: 単分子局在化顕微鏡における再構成手法の性能評価にフラットメトリックを用いることを提案する。
本稿では,Flat Metricの基礎を提供し,制御された合成例やSMLM 2016 Challengeのデータに適用することで,その評価を行う。
- 参考スコア(独自算出の注目度): 19.228982468834644
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose the use of Flat Metric to assess the performance of reconstruction
methods for single-molecule localization microscopy (SMLM) in scenarios where
the ground-truth is available. Flat Metric is intimately related to the concept
of optimal transport between measures of different mass, providing solid
mathematical foundations for SMLM evaluation and integrating both localization
and detection performance. In this paper, we provide the foundations of Flat
Metric and validate this measure by applying it to controlled synthetic
examples and to data from the SMLM 2016 Challenge.
- Abstract(参考訳): 本研究では, 単一分子局在化顕微鏡(SMLM)の再構成手法の性能評価にフラットメトリックを用いることを提案する。
フラット・メトリは、異なる質量の測度間の最適な輸送の概念と密接に関連しており、SMLMの評価と局所化と検出性能の統合のための確かな数学的基礎を提供する。
本稿では,Flat Metricの基礎を提供し,制御された合成例やSMLM 2016 Challengeのデータに適用することで,その評価を行う。
関連論文リスト
- Metric-aware LLM inference [56.60799590257398]
大規模言語モデル(LLM)は、様々なNLPタスクに対して強い結果を示してきた。
我々は,この推論戦略が,タスクや関連する評価指標に最適であることを示す。
提案手法は,推定時にカスタムメトリクスを最適化する決定論的手法である。
論文 参考訳(メタデータ) (2024-03-07T03:24:34Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field
and Online Inference [50.91823345296243]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳(メタデータ) (2023-12-10T15:22:30Z) - LCOT: Linear circular optimal transport [12.500693755673796]
LCOT(Linear Circular Optimal Transport)と呼ばれる円周確率測定のための新しい計算効率の指標を提案する。
提案されたメトリクスには、機械学習(ML)アルゴリズムを組込み尺度に適用可能な、明示的な線形埋め込みが付属している。
提案手法は, 循環最適輸送(COT)に根付いており, 固定基準測度に対するCOT測度の線形化とみなすことができる。
論文 参考訳(メタデータ) (2023-10-09T14:37:56Z) - Simulation-based inference using surjective sequential neural likelihood
estimation [50.24983453990065]
主観的逐次的ニューラルネットワーク類似度推定はシミュレーションに基づく推論の新しい手法である。
データを低次元空間に埋め込むことで、SSNLは高次元データセットに適用する際の従来の可能性ベースの手法が抱えるいくつかの問題を解く。
論文 参考訳(メタデータ) (2023-08-02T10:02:38Z) - On Learning to Summarize with Large Language Models as References [105.62615205746106]
本研究では,大規模言語モデル(LLM)を,データセット上のゴールドスタンダード・オラクルの参照あるいは参照とみなす新たな学習環境について検討する。
CNN/DailyMailおよびXSumデータセットの実験では、より小さな要約モデルがLLMと同等のパフォーマンスを達成できることが示されている。
しかし,人間による評価では,小型モデルではLLMレベルに到達できないことがわかった。
論文 参考訳(メタデータ) (2023-05-23T16:56:04Z) - DLME: Deep Local-flatness Manifold Embedding [41.86924171938867]
深部局所平坦度マニフォールド埋め込み (DLME) は, 歪みを低減し, 信頼性の高い多様体埋め込みを実現するための新しいMLフレームワークである。
実験では, 下流分類, クラスタリング, 可視化タスクにおけるDLMEの有効性を示すことにより, DLMEがSOTA MLおよびコントラッシブラーニング(CL)法より優れていることを示す。
論文 参考訳(メタデータ) (2022-07-07T08:46:17Z) - Riemannian Metric Learning via Optimal Transport [34.557360177483595]
進化する確率測度の断面サンプルからメトリックを学習するための最適輸送ベースモデルを提案する。
本手法を用いて学習したメトリクスは,cRNAと鳥の移動データに基づく軌道推定の精度を向上させる。
論文 参考訳(メタデータ) (2022-05-18T23:32:20Z) - Fast and Robust Ground Surface Estimation from LIDAR Measurements using
Uniform B-Splines [3.337790639927531]
自動走行車におけるLIDAR測定から地上面を高速かつ頑健に推定する手法を提案する。
本稿では,線形問題として再計算可能なLS最適化問題として推定過程をモデル化する。
実世界のシナリオにおける研究車両のアプローチを検証する。
論文 参考訳(メタデータ) (2022-03-02T15:26:51Z) - Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。
DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文 参考訳(メタデータ) (2021-06-14T17:19:44Z) - Energy-Efficient and Federated Meta-Learning via Projected Stochastic
Gradient Ascent [79.58680275615752]
エネルギー効率のよいメタラーニングフレームワークを提案する。
各タスクは別々のエージェントによって所有されていると仮定するため、メタモデルをトレーニングするために限られたタスクが使用される。
論文 参考訳(メタデータ) (2021-05-31T08:15:44Z)
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。