論文の概要: Causality and independence in perfectly adapted dynamical systems

• arxiv url: http://arxiv.org/abs/2101.11885v1
• Date: Thu, 28 Jan 2021 09:28:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-01 00:52:08.457726
• Title: Causality and independence in perfectly adapted dynamical systems
• Title（参考訳）: 完全適応型力学系における因果性と独立性
• Authors: Tineke Blom and Joris M. Mooij
• Abstract要約: 完全適応は、1つ以上の変数が外部刺激の持続的な変化に対して初期過渡応答を持つが、システムが平衡に収束するにつれて元の値に戻る現象である。 我々は,タンパク質シグナル伝達経路の簡単なモデルに適用し,その予測をシミュレーションと実世界のタンパク質発現データの両方で検証する。
• 参考スコア（独自算出の注目度）: 3.766702945560518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Perfect adaptation in a dynamical system is the phenomenon that one or more variables have an initial transient response to a persistent change in an external stimulus but revert to their original value as the system converges to equilibrium. The causal ordering algorithm can be used to construct an equilibrium causal ordering graph that represents causal relations and a Markov ordering graph that implies conditional independences from a set of equilibrium equations. Based on this, we formulate sufficient graphical conditions to identify perfect adaptation from a set of first-order differential equations. Furthermore, we give sufficient conditions to test for the presence of perfect adaptation in experimental equilibrium data. We apply our ideas to a simple model for a protein signalling pathway and test its predictions both in simulations and on real-world protein expression data. We demonstrate that perfect adaptation in this model can explain why the presence and orientation of edges in the output of causal discovery algorithms does not always appear to agree with the direction of edges in biological consensus networks.
• Abstract（参考訳）: 力学系における完全適応は、1つ以上の変数が外部刺激の持続的な変化に対して初期過渡応答を持つが、系が平衡に収束すると元の値に戻る現象である。 因果順序付けアルゴリズムは、因果関係を表す平衡因果順序付けグラフと、一連の平衡方程式から条件付き独立を示すマルコフ順序付けグラフを構築するのに使用できる。 これに基づいて、一階微分方程式の集合から完全適応を特定するのに十分なグラフィカル条件を定式化する。 さらに,実験平衡データにおける完全適応の存在を試験するための十分な条件を与える。 我々は,タンパク質シグナル伝達経路の簡単なモデルに適用し,その予測をシミュレーションと実世界のタンパク質発現データの両方で検証する。 このモデルにおける完全適応は、なぜ因果探索アルゴリズムの出力におけるエッジの存在と方向が、生物学的コンセンサスネットワークにおけるエッジの方向と必ずしも一致しないのかを説明することができる。

関連論文リスト

• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Learning Physical Dynamics with Subequivariant Graph Neural Networks [99.41677381754678]
  グラフニューラルネットワーク(GNN)は、物理力学を学習するための一般的なツールとなっている。 物理法則は、モデル一般化に必須な帰納バイアスである対称性に従属する。 本モデルは,RigidFall上でのPhysylonと2倍低ロールアウトMSEの8つのシナリオにおいて,平均3%以上の接触予測精度の向上を実現している。
  論文  参考訳（メタデータ） (2022-10-13T10:00:30Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)
• Global Convergence of Over-parameterized Deep Equilibrium Models [52.65330015267245]
  ディープ均衡モデル(Deep equilibrium model, DEQ)は、入射を伴う無限深度重み付きモデルの平衡点を通して暗黙的に定義される。 無限の計算の代わりに、ルートフィンディングで直接平衡点を解き、暗黙の微分で勾配を計算する。 本稿では,無限深度重み付きモデルの非漸近解析における技術的困難を克服する新しい確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:00:13Z)
• Modeling Implicit Bias with Fuzzy Cognitive Maps [0.0]
  本稿では、構造化データセットにおける暗黙バイアスを定量化するファジィ認知マップモデルを提案する。 本稿では,ニューロンの飽和を防止する正規化様伝達関数を備えた新しい推論機構を提案する。
  論文  参考訳（メタデータ） (2021-12-23T17:04:12Z)
• Optimization Induced Equilibrium Networks [76.05825996887573]
  暗黙の方程式によって定義されるディープニューラルネットワーク(DNN)のような暗黙の平衡モデルは最近ますます魅力的になりつつある。 我々は,パラメータが少ない場合でも,OptEqが従来の暗黙的モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-27T15:17:41Z)
• Correlations break homogenization [0.0]
  相関は, 局所的に同一であるが, グローバルに相関しているアンシラの同質化を損なうことを示す。 どちらの場合も、スケーラブルな多体絡み合った補助状態を構築するための原型的方法として、巡回グラフを持つハミルトングラフ状態を用いる。
  論文  参考訳（メタデータ） (2021-05-24T09:51:12Z)
• Conditional independences and causal relations implied by sets of equations [1.847740135967371]
  我々はシモンの因果順序付けアルゴリズムを用いて因果順序付けグラフを構築する。 ある種の特異な可解性仮定の下で方程式に対する完全介入の効果を表現する。 このアプローチが既存の因果モデリングフレームワークの制約を明らかにし,対処する方法について論じる。
  論文  参考訳（メタデータ） (2020-07-14T17:00:28Z)
• Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
  経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。 分散による離散乗法雑音のパラメータによく現れることを示す。 最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
  論文  参考訳（メタデータ） (2020-06-11T09:58:01Z)

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。