論文の概要: Multiway sparse distance weighted discrimination

• arxiv url: http://arxiv.org/abs/2110.05377v1
• Date: Mon, 11 Oct 2021 16:11:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 21:49:42.978304
• Title: Multiway sparse distance weighted discrimination
• Title（参考訳）: マルチウェイスパース距離重み付き識別
• Authors: Bin Guo, Lynn E. Eberly, Pierre-Gilles Henry, Christophe Lenglet, Eric F. Lock
• Abstract要約: 距離重み付き識別(DWD)は、多方向コンテキストに拡張された一般的な高次元分類法である。 我々は,任意の次元および任意の空間範囲に適用可能なマルチウェイ分類のための一般的なフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 3.574492630046327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern data often take the form of a multiway array. However, most classification methods are designed for vectors, i.e., 1-way arrays. Distance weighted discrimination (DWD) is a popular high-dimensional classification method that has been extended to the multiway context, with dramatic improvements in performance when data have multiway structure. However, the previous implementation of multiway DWD was restricted to classification of matrices, and did not account for sparsity. In this paper, we develop a general framework for multiway classification which is applicable to any number of dimensions and any degree of sparsity. We conducted extensive simulation studies, showing that our model is robust to the degree of sparsity and improves classification accuracy when the data have multiway structure. For our motivating application, magnetic resonance spectroscopy (MRS) was used to measure the abundance of several metabolites across multiple neurological regions and across multiple time points in a mouse model of Friedreich's ataxia, yielding a four-way data array. Our method reveals a robust and interpretable multi-region metabolomic signal that discriminates the groups of interest. We also successfully apply our method to gene expression time course data for multiple sclerosis treatment. An R implementation is available in the package MultiwayClassification at http://github.com/lockEF/MultiwayClassification .
• Abstract（参考訳）: 現代のデータは、しばしばマルチウェイアレイの形をとる。 しかし、ほとんどの分類法はベクトル、すなわち1方向配列に対して設計されている。 距離重み付き識別(DWD)は、マルチウェイコンテキストに拡張された一般的な高次元分類手法であり、データがマルチウェイ構造を持つ場合のパフォーマンスが劇的に改善されている。 しかし、従来のマルチウェイDWDの実装は行列の分類に制限され、スパース性は考慮されなかった。 本稿では,任意の次元と任意の度数に適用可能な多方向分類の汎用フレームワークを開発した。 本研究では,本モデルがスパーシティの程度にロバストであることを示し,マルチウェイ構造を持つ場合の分類精度を向上できることを示す。 磁気共鳴分光法(MRS)を用いて,Friedreich失調のマウスモデルにおいて,複数の神経領域および複数の時間点にまたがる代謝物の存在量を計測し,4方向のデータアレイを作成した。 提案手法は,興味のあるグループを識別するロバストで解釈可能な多領域メタボロミック信号を示す。 多発性硬化症に対する遺伝子発現時間データにも本手法を応用した。 Rの実装は、 http://github.com/lockEF/MultiwayClassification のパッケージで利用可能である。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Deep Multimodal Fusion of Data with Heterogeneous Dimensionality via Projective Networks [4.933439602197885]
  ヘテロジニアス次元(例えば3D+2D)を持つマルチモーダルデータの融合のための新しいディープラーニングベースのフレームワークを提案する。 この枠組みは、地理的萎縮(GA)の分画、加齢に伴う黄斑変性の後期発現、マルチモーダル網膜イメージングにおける網膜血管(RBV)の分画といった課題で検証された。 提案手法は, GAとRBVのセグメンテーションを最大3.10%, Diceを最大4.64%向上させる。
  論文  参考訳（メタデータ） (2024-02-02T11:03:33Z)
• Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
  1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。 マルチモーダルデータに適した深層学習一クラス分類法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T12:31:18Z)
• Multi-Modality Multi-Scale Cardiovascular Disease Subtypes Classification Using Raman Image and Medical History [2.9315342447802317]
  これらの問題に対処する2つのコアモジュールを持つ新しいディープラーニング手法であるM3Sというマルチモードマルチスケールモデルを提案する。 まず,図形角度場(GAF)による様々な解像度画像にRSデータを変換してニュアンスを拡大する。 第2に、RSと医療履歴データを組み合わせて分類能力を高めるために、確率行列と重み行列を用いる。
  論文  参考訳（メタデータ） (2023-04-18T22:09:16Z)
• dCAM: Dimension-wise Class Activation Map for Explaining Multivariate Data Series Classification [18.382700339944524]
  本稿では,次元の比較を可能にする畳み込みアーキテクチャについて述べる。 次に,次元ワイドなクラスアクティベーションマップであるdCAMを返却する手法を提案する。
  論文  参考訳（メタデータ） (2022-07-25T13:04:05Z)
• Regularized Bilinear Discriminant Analysis for Multivariate Time Series Data [5.198140836737883]
  MTSデータ分類のための正規化BLDA(RBLDA)を提案する。 RBLDAの効率的な実装と効率的なモデル選択アルゴリズムを開発する。 その結果,RBLDAの認識性能は最高のものとなり,モデル選択アルゴリズムが効率的であることが判明した。
  論文  参考訳（メタデータ） (2022-02-26T17:06:01Z)
• Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
  本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。 我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。 ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
  論文  参考訳（メタデータ） (2022-02-10T06:23:56Z)
• Gated recurrent units and temporal convolutional network for multilabel classification [122.84638446560663]
  本研究は,マルチラベル分類を管理するための新しいアンサンブル手法を提案する。 提案手法のコアは,Adamグラデーション最適化アプローチの変種で訓練された,ゲート再帰単位と時間畳み込みニューラルネットワークの組み合わせである。
  論文  参考訳（メタデータ） (2021-10-09T00:00:16Z)
• Manifold Topology Divergence: a Framework for Comparing Data Manifolds [109.0784952256104]
  本研究では,深部生成モデルの評価を目的としたデータ多様体の比較フレームワークを開発する。 クロスバーコードに基づき,manifold Topology Divergence score(MTop-Divergence)を導入する。 MTop-Divergenceは,様々なモードドロップ,モード内崩壊,モード発明,画像乱れを正確に検出する。
  論文  参考訳（メタデータ） (2021-06-08T00:30:43Z)
• A Multi-Semantic Metapath Model for Large Scale Heterogeneous Network Representation Learning [52.83948119677194]
  大規模不均一表現学習のためのマルチセマンティックメタパス(MSM)モデルを提案する。 具体的には,マルチセマンティックなメタパスに基づくランダムウォークを生成し,不均衡な分布を扱うヘテロジニアスな近傍を構築する。 提案するフレームワークに対して,AmazonとAlibabaの2つの挑戦的なデータセットに対して,体系的な評価を行う。
  論文  参考訳（メタデータ） (2020-07-19T22:50:20Z)
• The classification for High-dimension low-sample size data [3.411873646414169]
  本稿では,クラス分離可能性の前提として,クラス内分散の類似性を強調する,HDLSSの新たな分類基準を提案する。 この基準により、非分離データ分散最大値 (NPDMD) で表される新しい線形二分分類器が設計される。 NPDMDは最先端の分類法と比較していくつかの特徴がある。
  論文  参考訳（メタデータ） (2020-06-21T07:04:16Z)

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。