論文の概要: Learning phylogenetic trees as hyperbolic point configurations
- arxiv url: http://arxiv.org/abs/2104.11430v1
- Date: Fri, 23 Apr 2021 06:32:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 13:02:20.603961
- Title: Learning phylogenetic trees as hyperbolic point configurations
- Title（参考訳）: 双曲点構成としての系統樹の学習
- Authors: Benjamin Wilson
- Abstract要約: 独立ペアワイズ距離推定の代替案を提案する。
提案アルゴリズムは、目的関数を増大させるために点を反復的に並べ替える。
ツリー空間上のlog-likelihoodとは異なり、提案された目的関数は微分可能である。
- 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: An alternative to independent pairwise distance estimation is proposed that
uses hyperbolic geometry to jointly estimate pairwise distances subject to a
weakening of the four point condition that characterises tree metrics.
Specifically, taxa are represented as points in hyperbolic space such that the
distance between a pair of points accounts for the site differences between the
corresponding taxa. The proposed algorithm iteratively rearranges the points to
increase an objective function that is shown empirically to increase the
log-likelihood employed in tree search. Unlike the log-likelihood on tree
space, the proposed objective function is differentiable, allowing for the use
of gradient-based techniques in its optimisation. It is shown that the error
term in the weakened four point condition is bounded by a linear function of
the radius parameter of the hyperboloid model, which controls the curvature of
the space. The error may thus be made as small as desired, within the bounds of
computational precision.
- Abstract（参考訳）: 樹木の測度を特徴付ける4点条件の弱化にともなう対角距離を,双曲幾何学を用いて共同で推定する,独立な対角距離推定法を提案する。
特に、分類群は双曲空間の点として表され、一対の点間の距離が対応する分類群間の部位差を説明できる。
提案アルゴリズムは,木探索におけるログ類似度を高めるために,経験的に示される目的関数を増大させるために,点を反復的に並べ替える。
木空間上の対数類似性とは異なり、提案する目的関数は微分可能であり、勾配に基づく手法を最適化に利用することができる。
弱化4点条件における誤差項は、空間の曲率を制御する双曲型モデルの半径パラメータの線形関数によって境界されていることが示されている。
したがって、誤差は計算精度の範囲内で、所望の程度小さくすることができる。
関連論文リスト
- Quantifying Behavioural Distance Between Mathematical Expressions [0.0]
そこで本稿では,類似した誤りを伴って表現をクラスタリングする行動距離(BED)の尺度を提案し,実装する。
また,BEDは,記号回帰のための探索空間における誤り景観の滑らかさを著しく改善することを示した。
論文 参考訳（メタデータ） (2024-08-21T10:48:04Z) - An Ad-hoc graph node vector embedding algorithm for general knowledge graphs using Kinetica-Graph [0.0]
本稿では,知識グラフ表現から一般的なグラフノードの埋め込みを生成する方法について論じる。
埋め込み空間は、局所親和性とリモート構造関連性の両方を模倣するいくつかのサブ機能から構成される。
論文 参考訳（メタデータ） (2024-07-22T14:43:10Z) - Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。
これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
論文 参考訳（メタデータ） (2023-11-08T15:17:13Z) - Shape And Structure Preserving Differential Privacy [70.08490462870144]
正方形距離関数の勾配がラプラス機構よりも感度をよりよく制御できることを示す。
また,2乗距離関数の勾配を用いることで,ラプラス機構よりも感度を制御できることを示す。
論文 参考訳（メタデータ） (2022-09-21T18:14:38Z) - Hyperbolic Vision Transformers: Combining Improvements in Metric
Learning [116.13290702262248]
計量学習のための新しい双曲型モデルを提案する。
本手法のコアとなるのは、双曲空間にマッピングされた出力埋め込みを備えた視覚変換器である。
4つのデータセットに6つの異なる定式化を施したモデルの評価を行った。
論文 参考訳（メタデータ） (2022-03-21T09:48:23Z) - Parameter Inference with Bifurcation Diagrams [1.0312968200748118]
本稿では, 微分方程式のパラメータを推定し, ユーザが指定した分岐図を生成するための勾配に基づく手法を提案する。
コスト関数は、モデル分岐が指定された目標と教師なし分岐測度に一致する場合に最小限の教師付きエラー項を含む。
本研究では,サドルノードとピッチフォーク図の空間を探索する最小モデルを用いたパラメータ推論と,合成生物学からの遺伝的トグルスイッチを示す。
論文 参考訳（メタデータ） (2021-06-08T10:39:19Z) - Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。
本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文 参考訳（メタデータ） (2020-12-09T20:19:32Z) - Model identification and local linear convergence of coordinate descent [74.87531444344381]
循環座標降下は、幅広い種類の関数に対して有限時間でモデル同定を達成することを示す。
また、座標降下に対する局所収束速度を明示的に証明する。
論文 参考訳（メタデータ） (2020-10-22T16:03:19Z) - Community detection and percolation of information in a geometric
setting [5.027571997864707]
疎系においてブロックモデルの理論を一般化する第一歩を踏み出す。
接続すべき二つの頂点の確率が距離の任意の関数である等質距離空間上の幾何学的ランダムグラフを考える。
我々は,モッセルとペレスにより,木上の情報の流れのモデルと幾何的な相似性を定義する。
論文 参考訳（メタデータ） (2020-06-28T11:23:17Z) - Hyperbolic Distance Matrices [31.90021739879016]
本稿では,任意のノイズ量と非メトリックデータの混合から,双曲的埋め込みを計算するための統一的なフレームワークを提案する。
我々のアルゴリズムは半定値プログラミングと双曲距離行列の概念に基づいている。
数値実験を通して、計量と非計量の制約を混合する柔軟性によって、任意のデータからの埋め込みを効率的に計算できることを示す。
論文 参考訳（メタデータ） (2020-05-18T12:59:49Z) - Semiparametric Nonlinear Bipartite Graph Representation Learning with
Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。
提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。
我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文 参考訳（メタデータ） (2020-03-02T16:40:36Z)
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。