論文の概要: IRA: A shape matching approach for recognition and comparison of generic atomic patterns

• arxiv url: http://arxiv.org/abs/2111.00939v1
• Date: Fri, 29 Oct 2021 11:43:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 16:52:17.241933
• Title: IRA: A shape matching approach for recognition and comparison of generic atomic patterns
• Title（参考訳）: IRA:一般原子パターンの認識と比較のための形状マッチングアプローチ
• Authors: Miha Gunde and Nicolas Salles and Anne H\'emeryck and Layla Martin-Samos
• Abstract要約: 原子構造における形状整合問題を解くための多目的パラメータレスアプローチを提案する。 このアルゴリズムは、回転原子中心参照フレームとアサインメントを反復的に提案する(Iterative Rotations and Assignments, IRA)。 IRAは、原子の数が異なる構造間の剛性回転、反射、翻訳、置換を見つけることができる。 1対1の割当制約の下で原子割り当てを計算するため、我々は独自のアルゴリズムであるCShDA(Constrained Shortest Distance Assignments)を開発した。
• 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: We propose a versatile, parameter-less approach for solving the shape matching problem, specifically in the context of atomic structures when atomic assignments are not known a priori. The algorithm Iteratively suggests Rotated atom-centered reference frames and Assignments (Iterative Rotations and Assignments, IRA). The frame for which a permutationally invariant set-set distance, namely the Hausdorff distance, returns minimal value is chosen as the solution of the matching problem. IRA is able to find rigid rotations, reflections, translations, and permutations between structures with different numbers of atoms, for any atomic arrangement and pattern, periodic or not. When distortions are present between the structures, optimal rotation and translation are found by further applying a standard Singular Value Decomposition-based method. To compute the atomic assignments under the one-to-one assignment constraint, we develop our own algorithm, Constrained Shortest Distance Assignments (CShDA). The overall approach is extensively tested on several structures, including distorted structural fragments. Efficiency of the proposed algorithm is shown as a benchmark comparison against two other shape matching algorithms. We discuss the use of our approach for the identification and comparison of structures and structural fragments through two examples: a replica exchange trajectory of a cyanine molecule, in which we show how our approach could aid the exploration of relevant collective coordinates for clustering the data; and an SiO$_2$ amorphous model, in which we compute distortion scores and compare them with a classical strain-based potential. The source code and benchmark data are available at \url{https://github.com/mammasmias/IterativeRotationsAssignments}.
• Abstract（参考訳）: 本稿では,形状整合問題の解法として,原子配置が予め分かっていない場合の原子構造の文脈で,多用途でパラメータレスなアプローチを提案する。 このアルゴリズムは、回転原子中心の参照フレームとアサインメント(Iterative Rotations and Assignments, IRA)を反復的に提案する。 置換不変な集合距離、すなわちハウスドルフ距離が最小値を返すフレームは、マッチング問題の解として選択される。 IRAは、原子の配列やパターンが周期的かどうかに関わらず、原子の数が異なる構造間の剛性回転、反射、翻訳、置換を見つけることができる。 構造の間に歪みが存在する場合、標準特異値分解法を適用して最適な回転と変換を求める。 本研究では,1対1の割当制約の下で原子の割当を計算するために,制約付き短距離割当(CShDA)アルゴリズムを開発した。 全体的なアプローチは、歪んだ構造断片を含むいくつかの構造で広範囲にテストされている。 提案アルゴリズムの効率性は,他の2つの形状マッチングアルゴリズムとのベンチマーク比較として示す。 そこで本研究では,シアン分子の複製交換軌道がデータクラスタリングのための関連する集団座標の探索にどのように役立つかを示す例と,歪みスコアを計算し,古典的歪に基づくポテンシャルと比較するsio$_2$アモルファスモデルを用いて,構造とフラグメントの同定と比較を行う。 ソースコードとベンチマークデータは \url{https://github.com/mammasmias/iterativerotationsassignments} で入手できる。

関連論文リスト

• Variable Substitution and Bilinear Programming for Aligning Partially Overlapping Point Sets [48.1015832267945]
  本研究では,RPMアルゴリズムの最小化目的関数を用いて要求を満たす手法を提案する。 分岐とバウンド(BnB)アルゴリズムが考案され、パラメータのみに分岐し、収束率を高める。 実験による評価は,非剛性変形,位置雑音,外れ値に対する提案手法の高剛性を示す。
  論文  参考訳（メタデータ） (2024-05-14T13:28:57Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Infinite-Dimensional Sparse Learning in Linear System Identification [0.2867517731896504]
  本稿では,原子ノルム正規化に基づく無限次元スパース学習アルゴリズムを提案する。 この問題の解決の難しさは、無限の原子モデルが存在するという事実にある。
  論文  参考訳（メタデータ） (2022-03-28T13:18:48Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• Learning Bayesian Networks through Birkhoff Polytope: A Relaxation Method [0.0]
  我々は、ガウス線形構造方程式モデルからデータを生成する際に、有向非巡回グラフ(DAG)を学習するための新しい枠組みを確立する。 置換行列推定では,順序推定のNPハード問題を回避する緩和手法を提案する。 本フレームワークは,非循環性制約の高価な検証や,可能な親集合の列挙を必要とせずにDAGを復元する。
  論文  参考訳（メタデータ） (2021-07-04T15:04:02Z)
• Kernel Clustering with Sigmoid-based Regularization for Efficient Segmentation of Sequential Data [3.8326963933937885]
  セグメント化は、データシーケンスを非線形で複雑な構造を持つ複数の重複しないセグメントに分割することを目的としている。 この問題を最適に解決するための一般的なカーネルは動的プログラミング(DP)である。 最適セグメンテーションを近似するために多くのアルゴリズムが提案されているが、それらの解の品質は保証されていない。
  論文  参考訳（メタデータ） (2021-06-22T04:32:21Z)
• Pairwise Point Cloud Registration using Graph Matching and Rotation-invariant Features [8.897670503102342]
  回転不変特徴と新しい重み付きグラフマッチング法を併用した粒度対細登録戦略を開発した。 提案手法では, 回転誤差が0.2度未満, 翻訳誤差が0.1m未満の微細な登録が可能となる。
  論文  参考訳（メタデータ） (2021-05-05T16:03:05Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature Selection [138.97647716793333]
  再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。 提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
  論文  参考訳（メタデータ） (2020-12-29T04:08:38Z)
• Articulated Shape Matching Using Laplacian Eigenfunctions and Unsupervised Point Registration [38.16866987817019]
  スペクトルグラフ理論は、これらのグラフを低次元空間にマッピングし、それらの埋め込みを整列させることで形状と一致させることができる。 我々は、ラプラシア行列の固有関数の最適部分集合を選択することによって、2つの同値な$K$-次元の点集合の最良の整合を求める新しい定式化を導出する。
  論文  参考訳（メタデータ） (2020-12-14T08:49:25Z)

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。