Fugu-MT 論文翻訳(概要): Single Independent Component Recovery and Applications

論文の概要: Single Independent Component Recovery and Applications

arxiv url: http://arxiv.org/abs/2110.05887v1
Date: Tue, 12 Oct 2021 10:56:54 GMT
ステータス: 処理完了
システム内更新日: 2021-10-13 13:12:02.346267
Title: Single Independent Component Recovery and Applications
Title（参考訳）: 単一独立成分回収とその応用
Authors: Uri Shaham, Jonathan Svirsky, Ori Katz and Ronen Talmon
Abstract要約: 得られたデータは、2つの統計的に独立な成分の可逆混合であるとみなす。そこで本研究では,識別器を備えたオートエンコーダを提案する。提案手法は,エントロピー保存変換への関心を回復できることを示す。
参考スコア（独自算出の注目度）: 10.767665631734797
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Latent variable discovery is a central problem in data analysis with a broad range of applications in applied science. In this work, we consider data given as an invertible mixture of two statistically independent components, and assume that one of the components is observed while the other is hidden. Our goal is to recover the hidden component. For this purpose, we propose an autoencoder equipped with a discriminator. Unlike the standard nonlinear ICA problem, which was shown to be non-identifiable, in the special case of ICA we consider here, we show that our approach can recover the component of interest up to entropy-preserving transformation. We demonstrate the performance of the proposed approach on several datasets, including image synthesis, voice cloning, and fetal ECG extraction.
Abstract（参考訳）: 潜在変数発見は、応用科学における幅広い応用を伴うデータ分析における中心的な問題である。本研究では,2つの統計的独立成分の可逆混合として与えられたデータを考察し,一方の成分が他方が隠れている間に観測されていることを仮定する。私たちの目標は隠れた部品を回収することです。そこで本研究では,判別器を備えたオートエンコーダを提案する。非同定性が示された標準非線形ica問題と異なり、ここで検討するicaの特別な場合において、このアプローチはエントロピー保存変換によって関心の成分を回復できることを示す。本稿では,画像合成,音声クローニング,胎児心電図抽出など,いくつかのデータセットにおける提案手法の性能を示す。

関連論文リスト

Bayesian Joint Additive Factor Models for Multiview Learning [7.254731344123118]
マルチオミクスデータが収集され、臨床結果と相関する精度医学の文脈でモチベーション応用が生じる。本稿では,共有およびビュー固有のコンポーネントを考慮に入れた,構造化された付加的設計を伴うJAFAR(Joint Additive Factor regression model)を提案する。免疫,メタボローム,プロテオームデータから得られた時間とラベルの発症の予測は,最先端の競合相手に対するパフォーマンス向上を示す。
論文参考訳（メタデータ） (2024-06-02T15:35:45Z)
Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文参考訳（メタデータ） (2023-08-24T01:30:18Z)
Approximating Counterfactual Bounds while Fusing Observational, Biased and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。利用可能なデータの可能性は局所的な最大値を持たないことを示す。次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文参考訳（メタデータ） (2023-07-31T11:28:24Z)
Additive Decoders for Latent Variables Identification and Cartesian-Product Extrapolation [27.149540844056023]
本稿では,表現学習における潜在変数識別とサポート外画像生成の問題に取り組む。どちらも、加算と呼ばれるデコーダのクラスで可能であることを示す。本稿では,新しい方法で観測された変化要因を再結合することにより,加算デコーダが新たな画像を生成することを理論的に示す。
論文参考訳（メタデータ） (2023-07-05T18:48:20Z)
Learning Feature Recovery Transformer for Occluded Person Re-identification [71.18476220969647]
本稿では,FRT(Feature Recovery Transformer)と呼ばれる2つの課題を同時に解決する手法を提案する。特徴マッチング時のノイズの干渉を低減するため,両画像に現れる可視領域に着目し,類似性を計算するための可視グラフを開発した。 2つ目の課題は、グラフの類似性に基づいて、各クエリ画像に対して、ギャラリー内の$k$-nearestの隣人の特徴セットを利用して、完全な特徴を復元するリカバリトランスフォーマを提案することである。
論文参考訳（メタデータ） (2023-01-05T02:36:16Z)
Spatio-temporally separable non-linear latent factor learning: an application to somatomotor cortex fMRI data [0.0]
潜在因子の脳全体の発見が可能なfMRIデータのモデルについて検討する。空間重み付けを効率化するための新しい手法は、データの高次元性とノイズの存在に対処するために重要である。本手法は,複数のモーターサブタスクを用いたデータを用いて,モデルが各サブタスクに対応する非絡み合った潜在因子を捕捉するかどうかを評価する。
論文参考訳（メタデータ） (2022-05-26T21:30:22Z)
Shared Independent Component Analysis for Multi-Subject Neuroimaging [107.29179765643042]
本稿では,ShICA (Shared Independent Component Analysis) を導入し,各ビューを加法ガウス雑音によって汚染された共有独立成分の線形変換としてモデル化する。このモデルは、成分がガウス的でないか、あるいはノイズ分散に十分な多様性がある場合、同定可能であることを示す。我々は,fMRIおよびMEGデータセットの実証的証拠として,ShICAが代替品よりも正確な成分推定を行うことを示す。
論文参考訳（メタデータ） (2021-10-26T08:54:41Z)
Non-stationary Gaussian process discriminant analysis with variable selection for high-dimensional functional data [0.0]
高次元分類と特徴選択は、最近のデータ取得技術の進歩とともに至るところで行われている。これらの構造は、主に変数の選択と分類を別々に行う2段階のアプローチに依存する一般的な手法に、さらなる課題をもたらす。本稿では、これらのステップを統一されたフレームワークで組み合わせた、新しいガウス過程判別分析(GPDA)を提案する。
論文参考訳（メタデータ） (2021-09-29T03:35:49Z)
Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文参考訳（メタデータ） (2021-07-21T14:22:14Z)
Diverse Part Discovery: Occluded Person Re-identification with Part-Aware Transformer [95.02123369512384]
蓄積された人物の再識別(Re-ID)は、様々な障害や人によってしばしば妨げられるため、困難な作業である。本稿では,多種多様な部分発見を通して,隠蔽されたRe-IDのための新しいエンドツーエンドのPart-Aware Transformer(PAT)を提案する。
論文参考訳（メタデータ） (2021-06-08T04:29:07Z)

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。