論文の概要: Variational Neural Cellular Automata

• arxiv url: http://arxiv.org/abs/2201.12360v2
• Date: Wed, 2 Feb 2022 06:59:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 15:53:29.340441
• Title: Variational Neural Cellular Automata
• Title（参考訳）: 変動型神経細胞オートマトン
• Authors: Rasmus Berg Palm, Miguel Gonz\'alez-Duque, Shyam Sudhakaran, Sebastian Risi
• Abstract要約: 自然界では、細胞の成長と分化の過程は、生物の驚くべき多様性をもたらしている。 本稿では, 細胞成長と分化の生物学的過程に着想を得て, 変異細胞オートマタ(VNCA)の生成モデルを提案する。
• 参考スコア（独自算出の注目度）: 7.863826008567604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In nature, the process of cellular growth and differentiation has lead to an amazing diversity of organisms -- algae, starfish, giant sequoia, tardigrades, and orcas are all created by the same generative process. Inspired by the incredible diversity of this biological generative process, we propose a generative model, the Variational Neural Cellular Automata (VNCA), which is loosely inspired by the biological processes of cellular growth and differentiation. Unlike previous related works, the VNCA is a proper probabilistic generative model, and we evaluate it according to best practices. We find that the VNCA learns to reconstruct samples well and that despite its relatively few parameters and simple local-only communication, the VNCA can learn to generate a large variety of output from information encoded in a common vector format. While there is a significant gap to the current state-of-the-art in terms of generative modeling performance, we show that the VNCA can learn a purely self-organizing generative process of data. Additionally, we show that the VNCA can learn a distribution of stable attractors that can recover from significant damage.
• Abstract（参考訳）: 自然界では、細胞の成長と分化の過程は、藻類、ヒトデ、巨大なセコイア、クマムシ、orcasといった生物の驚くべき多様性をもたらす。 この生物生成過程の驚くべき多様性に着想を得て,細胞成長と分化の生物学的過程に緩やかにインスパイアされた生成モデルである変異型ニューラルセルオートマタ(VNCA)を提案する。 従来と異なり, VNCAは適切な確率的生成モデルであり, ベストプラクティスに従って評価する。 VNCAは比較的少ないパラメータと単純なローカルのみの通信にもかかわらず、共通ベクトル形式で符号化された情報から多種多様な出力を生成することができる。 生成モデリング性能の面では、現在の最先端技術には大きなギャップがあるが、VNCAが純粋に自己組織化されたデータ生成過程を学習できることが示されている。 さらに, VNCAは, 損傷から回復できる安定したアトラクタの分布を学習できることを示す。

関連論文リスト

• Generating Multi-Modal and Multi-Attribute Single-Cell Counts with CFGen [76.02070962797794]
  マルチモーダル単細胞数に対するフローベース条件生成モデルであるセルフロー・フォー・ジェネレーションを提案する。 本研究は, 新規な生成タスクを考慮に入れた上で, 重要な生物学的データ特性の回復性の向上を示唆するものである。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Meta-Learning an Evolvable Developmental Encoding [7.479827648985631]
  生成モデルはブラックボックス最適化のための学習可能な表現であることを示す。 本稿では,表現の質の多様性を生成する能力を最適化することで,そのような表現をメタ学習できるシステムを提案する。 より詳しくは、我々のメタラーニングアプローチが、開発中に細胞が「DNA」文字列ゲノムの異なる部分に参加することができる1つのニューラルセルオートマタを見つけることができることを示す。
  論文  参考訳（メタデータ） (2024-06-13T11:52:06Z)
• Unveiling the Unseen: Identifiable Clusters in Trained Depthwise Convolutional Kernels [56.69755544814834]
  深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。 本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
  論文  参考訳（メタデータ） (2024-01-25T19:05:53Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• Modelling Technical and Biological Effects in scRNA-seq data with Scalable GPLVMs [6.708052194104378]
  我々は,ガウス過程潜在変数モデルである確率的非線形次元減少に対する一般的なアプローチを拡張し,大規模単一セルデータセットに拡張する。 鍵となる考え方は、高速な変動推論を可能にする下位境界の分解可能性を保存する拡張カーネルを使用することである。
  論文  参考訳（メタデータ） (2022-09-14T15:25:15Z)
• Growing Isotropic Neural Cellular Automata [63.91346650159648]
  我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。 細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
  論文  参考訳（メタデータ） (2022-05-03T11:34:22Z)
• Modeling Protein Using Large-scale Pretrain Language Model [12.568452480689578]
  学際的な研究者は、大規模な生物学的データセットをモデル化するためにディープラーニング手法を活用し始めている。 自然言語とタンパク質配列の類似性から着想を得て,進化的タンパク質配列をモデル化するために大規模言語モデルを用いた。 本モデルでは,進化規模個別配列の事前学習から進化情報を正確に捉えることができる。
  論文  参考訳（メタデータ） (2021-08-17T04:13:11Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• Predicting Geographic Information with Neural Cellular Automata [7.605218364952221]
  本稿では,ニューラルセルオートマトン(NCA)を用いて地理情報を再生・予測する新しい枠組みを提案する。 モデルは、NAAを使用して、さまざまな地理的データでモデルをトレーニングすることで、特定の画像を生成/再生するという考え方を拡張している。
  論文  参考訳（メタデータ） (2020-09-20T03:53:48Z)
• Neural Cellular Automata Manifold [84.08170531451006]
  ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。 これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。 生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
  論文  参考訳（メタデータ） (2020-06-22T11:41:57Z)

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。