論文の概要: Boolean Reasoning-Based Biclustering for Shifting Pattern Extraction
- arxiv url: http://arxiv.org/abs/2104.12493v1
- Date: Mon, 26 Apr 2021 11:40:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 14:29:06.551821
- Title: Boolean Reasoning-Based Biclustering for Shifting Pattern Extraction
- Title（参考訳）: シフトパターン抽出のためのブール推論に基づくビクラスタリング
- Authors: Marcin Michalak, Jes\'us S. Aguilar-Ruiz
- Abstract要約: Biclusteringは、さまざまな種類の関心のあるパターンの品質を測定する機能によって駆動されるため、データ内のパターンを検索するための強力なアプローチです。
シフトパターンはデータの変動が一定であるので、特に興味深い。
この研究は、ブール推論によるシフトパターンの誘導は、すべての包含-最大デルタシフトパターンを見つける能力によるものであることを示す。
- 参考スコア（独自算出の注目度）: 0.20305676256390928
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biclustering is a powerful approach to search for patterns in data, as it can
be driven by a function that measures the quality of diverse types of patterns
of interest. However, due to its computational complexity, the exploration of
the search space is usually guided by an algorithmic strategy, sometimes
introducing random factors that simplify the computational cost (e.g. greedy
search or evolutionary computation).
Shifting patterns are specially interesting as they account constant
fluctuations in data, i.e. they capture situations in which all the values in
the pattern move up or down for one dimension maintaining the range amplitude
for all the dimensions. This behaviour is very common in nature, e.g. in the
analysis of gene expression data, where a subset of genes might go up or down
for a subset of patients or experimental conditions, identifying functionally
coherent categories.
Boolean reasoning was recently revealed as an appropriate methodology to
address the search for constant biclusters. In this work, this direction is
extended to search for more general biclusters that include shifting patterns.
The mathematical foundations are described in order to associate Boolean
concepts with shifting patterns, and the methodology is presented to show that
the induction of shifting patterns by means of Boolean reasoning is due to the
ability of finding all inclusion--maximal {\delta}-shifting patterns.
Experiments with a real dataset show the potential of our approach at finding
biclusters with {\delta}-shifting patterns, which have been evaluated with the
mean squared residue (MSR), providing an excellent performance at finding
results very close to zero.
- Abstract（参考訳）: バイクラスタ化は、さまざまな種類の関心のあるパターンの品質を測定する関数によって駆動されるため、データ内のパターンを検索するための強力なアプローチである。
しかし、その計算複雑性のため、探索空間の探索はアルゴリズム戦略によって導かれ、時には計算コストを単純化するランダムな要因(例)がもたらされる。
欲深い探索または進化的計算)。
シフトパターンは、データの変動を一定に考慮しているため、特に興味深い。
パターン内の全ての値が1次元で上下に動き、すべての次元のレンジ振幅を維持する状況を把握する。
この行動は自然界において非常に一般的である。
遺伝子発現データの解析において、遺伝子のサブセットが患者のサブセットまたは実験条件に対して上昇または下降し、機能的に一貫性のあるカテゴリを特定する。
ブール推論は, 定常二クラスタ探索のための適切な手法として最近明らかにされた。
この研究では、シフトパターンを含むより一般的な双クラスタを探すために、この方向が拡張される。
数学的基礎はブール概念とシフトパターンを関連付けるために記述され、この方法論はブール推論によるシフトパターンの誘導が、全ての包摂的最大シフトパターンを見つける能力によるものであることを示す。
実データセットを用いた実験では,平均二乗残差 (msr) で評価された,"デルタ"シフトパターンを用いた二クラスター探索のアプローチの可能性を示し,結果がゼロに非常に近い場合の優れた性能を提供する。
関連論文リスト
- Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。
本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。
両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文 参考訳（メタデータ） (2024-06-12T08:30:16Z) - Gradient-Based Feature Learning under Structured Data [57.76552698981579]
異方性設定では、一般的に使用される球面勾配力学は真の方向を回復できないことがある。
バッチ正規化を連想させる適切な重み正規化は、この問題を軽減することができることを示す。
特に、スパイクモデルの下では、勾配に基づくトレーニングのサンプルの複雑さは情報指数とは独立にできる。
論文 参考訳（メタデータ） (2023-09-07T16:55:50Z) - Efficient Failure Pattern Identification of Predictive Algorithms [15.02620042972929]
本稿では,人間のアノテータチームとシーケンシャルレコメンデーションアルゴリズムからなる人間機械協調フレームワークを提案する。
その結果、様々な信号対雑音比で複数のデータセット上でのフレームワークの競合性能を実証的に実証した。
論文 参考訳（メタデータ） (2023-06-01T14:54:42Z) - Online Arbitrary Shaped Clustering through Correlated Gaussian Functions [0.0]
教師なしの方法で入力から任意の形状のクラスタを生成できる新しいオンラインクラスタリングアルゴリズムが提案されている。
このアルゴリズムは、バックプロパゲーションによるモデル最適化よりも生物学的に妥当であると見なすことができるが、実用性にはさらなる研究が必要である。
論文 参考訳（メタデータ） (2023-02-13T13:12:55Z) - Learning to Bound Counterfactual Inference in Structural Causal Models
from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。
新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。
反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文 参考訳（メタデータ） (2022-12-06T12:42:11Z) - RandomSCM: interpretable ensembles of sparse classifiers tailored for
omics data [59.4141628321618]
決定規則の結合や解離に基づくアンサンブル学習アルゴリズムを提案する。
モデルの解釈可能性により、高次元データのバイオマーカー発見やパターン発見に有用である。
論文 参考訳（メタデータ） (2022-08-11T13:55:04Z) - Provable Guarantees for Sparsity Recovery with Deterministic Missing
Data Patterns [30.553697242038233]
観測されたデータセットが決定論的非一様フィルタによって検閲される場合を考える。
本稿では,検閲フィルタのトポロジ特性を利用して,効率的な値計算アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-10T06:14:45Z) - Amortized Inference for Causal Structure Learning [72.84105256353801]
因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。
本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。
我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
論文 参考訳（メタデータ） (2022-05-25T17:37:08Z) - Skew-Symmetric Adjacency Matrices for Clustering Directed Graphs [5.301300942803395]
カットベースの有向グラフ(グラフ)クラスタリングは、しばしばクラスタ内あるいはクラスタ間の疎結合を見つけることに焦点を当てる。
フローベースのクラスタリングでは、クラスタ間のエッジは一方向を向く傾向にあり、マイグレーションデータ、フードウェブ、トレーディングデータに見出されている。
論文 参考訳（メタデータ） (2022-03-02T20:07:04Z) - Cluster Analysis of a Symbolic Regression Search Space [2.055204980188575]
探索空間における遺伝的プログラミングによって生成される記号的回帰モデルの分布について、より詳しく検討する。
我々は、表現型と遺伝子型類似性に基づいて、ユニークなモデルを特定し、それらをクラスタリングする。
GPが訪れた解候補を列挙した探索空間にマッピングすることで、GPは最初は全探索空間を探索し、後に最高品質表現の部分空間に収束する。
論文 参考訳（メタデータ） (2021-09-28T17:50:29Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳（メタデータ） (2020-10-05T20:03:13Z)
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。