論文の概要: Complex Coordinate-Based Meta-Analysis with Probabilistic Programming
- arxiv url: http://arxiv.org/abs/2012.01303v2
- Date: Fri, 22 Jan 2021 13:36:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 03:48:57.559494
- Title: Complex Coordinate-Based Meta-Analysis with Probabilistic Programming
- Title（参考訳）: 確率的プログラミングを伴う複素座標に基づくメタ解析
- Authors: Valentin Iovene (NEUROSPIN, PARIETAL), Gaston Zanitti (NEUROSPIN,
PARIETAL), Demian Wassermann (NEUROSPIN, PARIETAL)
- Abstract要約: 報告されたピークアクティベーションの座標と項関連を自動的に抽出することにより、コーディネートベースのメタアナリシス(CBMA)データベースを構築する。
本稿では,近年,大規模なニューロイメージングデータに拡張可能なクエリ処理アルゴリズムについて述べる。
シミュレーションされたメタアナリシスデータベースと広く使われているニューロシンスデータベースの両方において、2つの長期接続型クエリの結果を示す。
- 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: With the growing number of published functional magnetic resonance imaging
(fMRI) studies, meta-analysis databases and models have become an integral part
of brain mapping research. Coordinate-based meta-analysis (CBMA) databases are
built by automatically extracting both coordinates of reported peak activations
and term associations using natural language processing (NLP) techniques.
Solving term-based queries on these databases make it possible to obtain
statistical maps of the brain related to specific cognitive processes. However,
with tools like Neurosynth, only singleterm queries lead to statistically
reliable results. When solving richer queries, too few studies from the
database contribute to the statistical estimations. We design a probabilistic
domain-specific language (DSL) standing on Datalog and one of its probabilistic
extensions, CP-Logic, for expressing and solving rich logic-based queries. We
encode a CBMA database into a probabilistic program. Using the joint
distribution of its Bayesian network translation, we show that solutions of
queries on this program compute the right probability distributions of voxel
activations. We explain how recent lifted query processing algorithms make it
possible to scale to the size of large neuroimaging data, where state of the
art knowledge compilation (KC) techniques fail to solve queries fast enough for
practical applications. Finally, we introduce a method for relating studies to
terms probabilistically, leading to better solutions for conjunctive queries on
smaller databases. We demonstrate results for two-term conjunctive queries,
both on simulated meta-analysis databases and on the widely-used Neurosynth
database.
- Abstract（参考訳）: 機能的磁気共鳴イメージング(fmri)の研究が増えているため、メタ分析データベースやモデルが脳のマッピング研究の不可欠な部分となっている。
自然言語処理(NLP)技術を用いて,報告されたピークアクティベーションの座標と用語関連を自動的に抽出することにより,コーディネートベースメタ分析(CBMA)データベースを構築する。
これらのデータベース上で項ベースのクエリを解くことで、特定の認知過程に関連する脳の統計地図を得ることができる。
しかし、neurosynthのようなツールでは、単項クエリだけが統計的に信頼できる結果をもたらす。
よりリッチなクエリを解決するには、データベースからの研究が多すぎることが統計的推定に寄与する。
我々は、Datalog上に立つ確率的ドメイン固有言語(DSL)と、リッチなロジックベースのクエリを表現および解決するための確率的拡張であるCP-Logicを設計する。
CBMAデータベースを確率的プログラムにエンコードする。
ベイジアンネットワーク翻訳の合同分布を用いて,このプログラムにおけるクエリの解が,voxelアクティベーションの正しい確率分布を計算することを示す。
そこでは,最先端のart knowledge compilation (kc)技術が実用的応用に十分な速さで問合せを解決できない状況において,問合せ処理アルゴリズムが大規模画像データのサイズにスケールできることを説明する。
最後に,論文を確率論的に関連づける手法を導入し,より小さなデータベース上での接続型クエリの解法を改良する。
メタ分析データベースと広く使用されているニューロシンスデータベースの両方において,2項の結合性問合せの結果を示す。
関連論文リスト
- DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。
我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。
私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
論文 参考訳（メタデータ） (2024-07-01T18:58:22Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - Minimally Supervised Learning using Topological Projections in
Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。
提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。
提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文 参考訳（メタデータ） (2024-01-12T22:51:48Z) - In-Database Data Imputation [0.6157028677798809]
データの欠落は多くの領域で広く問題となり、データ分析と意思決定の課題を生み出します。
不完全なレコードを除外したり、単純な見積もりを示唆するといった、欠落したデータを扱う従来の手法は、計算的に効率的であるが、バイアスを導入し、変数の関係を乱す可能性がある。
モデルベースの計算手法は、データの変動性と関係を保存し、より堅牢なソリューションを提供するが、彼らは計算時間をはるかに多く要求する。
この作業は、広く使われているMICE方式を用いて、データベースシステム内の効率的で高品質でスケーラブルなデータ計算を可能にする。
論文 参考訳（メタデータ） (2024-01-07T01:57:41Z) - Chat2Brain: A Method for Mapping Open-Ended Semantic Queries to Brain
Activation Maps [59.648646222905235]
そこで本研究では,テキスト2画像モデルであるText2BrainにLLMを組み合わせ,セマンティッククエリを脳活性化マップにマッピングするChat2Brainを提案する。
テキストクエリのより複雑なタスクに対して、Chat2Brainが可塑性なニューラルアクティベーションパターンを合成できることを実証した。
論文 参考訳（メタデータ） (2023-09-10T13:06:45Z) - Interpretable Medical Diagnostics with Structured Data Extraction by
Large Language Models [59.89454513692417]
タブラルデータはしばしばテキストに隠され、特に医学的診断報告に使用される。
本稿では,TEMED-LLM と呼ばれるテキスト医療報告から構造化表状データを抽出する手法を提案する。
本手法は,医学診断における最先端のテキスト分類モデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-06-08T09:12:28Z) - Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [58.340159346749964]
本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。
これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。
提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
論文 参考訳（メタデータ） (2023-04-14T11:35:35Z) - A Scalable Space-efficient In-database Interpretability Framework for
Embedding-based Semantic SQL Queries [3.0938904602244346]
我々は、関係エンティティ間の関係を捉えるために、共起に基づく新しい解釈可能性アプローチを導入する。
我々のアプローチは、クエリ非依存(グロバル)とクエリ特化(ローカル)の両方の解釈機能を提供する。
論文 参考訳（メタデータ） (2023-02-23T17:18:40Z) - Hard and Soft EM in Bayesian Network Learning from Incomplete Data [1.5484595752241122]
結果のBNの品質に対する信念伝搬の代わりにインプテーションを使用することの影響について検討する。
我々は,データの特徴に基づいて,複数のシナリオにおいて,あるアプローチを推奨できることを見出した。
論文 参考訳（メタデータ） (2020-12-09T19:13:32Z) - Symbolic Querying of Vector Spaces: Probabilistic Databases Meets
Relational Embeddings [35.877591735510734]
すべてのクエリが実行される確率的データベースモデルを形式化する。
十分に定義された連立確率分布の欠如は、単純な問合せ問題を証明し難いものにする。
本稿では, トラクタブル確率データベースとして設計したリレーショナル埋め込みモデルTOを紹介する。
論文 参考訳（メタデータ） (2020-02-24T01:17:25Z)
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。