論文の概要: Categorical Representation Learning and RG flow operators for algorithmic classifiers

• arxiv url: http://arxiv.org/abs/2203.07975v1
• Date: Tue, 15 Mar 2022 15:04:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-16 15:00:15.137533
• Title: Categorical Representation Learning and RG flow operators for algorithmic classifiers
• Title（参考訳）: アルゴリズム分類器のためのカテゴリー表現学習とRGフロー演算子
• Authors: Artan Sheshmani and Yizhuang You and Wenbo Fu and Ahmadreza Azizi
• Abstract要約: 我々は、RG-flow categorifierと呼ばれる新しい自然言語処理アーキテクチャを構築し、RG categorifierを短くして、すべての層でデータ分類と生成を行う。 特に、インフルエンザウイルスの特定のゲノム配列にRG分類法を適用し、我々の技術が与えられたゲノム配列からどのように情報を抽出できるかを示す。
• 参考スコア（独自算出の注目度）: 0.7519268719195278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Following the earlier formalism of the categorical representation learning (arXiv:2103.14770) by the first two authors, we discuss the construction of the "RG-flow based categorifier". Borrowing ideas from theory of renormalization group flows (RG) in quantum field theory, holographic duality, and hyperbolic geometry, and mixing them with neural ODE's, we construct a new algorithmic natural language processing (NLP) architecture, called the RG-flow categorifier or for short the RG categorifier, which is capable of data classification and generation in all layers. We apply our algorithmic platform to biomedical data sets and show its performance in the field of sequence-to-function mapping. In particular we apply the RG categorifier to particular genomic sequences of flu viruses and show how our technology is capable of extracting the information from given genomic sequences, find their hidden symmetries and dominant features, classify them and use the trained data to make stochastic prediction of new plausible generated sequences associated with new set of viruses which could avoid the human immune system. The content of the current article is part of the recent US patent application submitted by first two authors (U.S. Patent Application No.: 63/313.504).
• Abstract（参考訳）: 最初の2人の著者によるカテゴリー表現学習(arxiv:2103.14770)の初期の形式化に続いて、rgフローに基づく分類器の構成について論じる。 量子場理論、ホログラフィック双対性、双曲幾何学における正規化群フロー(RG)の理論からアイデアを抽出し、それらをニューラルODEと混合し、RG-フロー分類器(RG-flow categorifier)と呼ばれる新しいアルゴリズム自然言語処理(NLP)アーキテクチャを構築し、すべての層でデータ分類と生成が可能なRG分類器(RG categorifier)を短くする。 バイオメディカルデータセットにアルゴリズムプラットフォームを適用し,その性能をシーケンス・トゥ・ファンクション・マッピングの分野で示す。 特に、rg分類器をインフルエンザウイルスの特定のゲノム配列に適用し、我々の技術が、与えられたゲノム配列から情報を抽出し、それらの隠れた対称性と支配的な特徴を見つけ、それらを分類し、訓練されたデータを使用して、ヒトの免疫系を回避できる新しいウイルスのセットに関連する新しい有望な生成配列の確率的予測を行う方法を示す。 現在の記事の内容は、最初の2人の著者によって提出された最近の米国特許出願(米国特許出願番号63/313.504)の一部である。

関連論文リスト

• Injecting Hierarchical Biological Priors into Graph Neural Networks for Flow Cytometry Prediction [1.7709249262395883]
  本研究では、単一セルのマルチクラス分類のためのグラフニューラルネットワーク(GNN)に階層的な事前知識を注入することを検討する。 本稿では,複数のGNNモデル,すなわちFCHC-GNNに適用可能な階層的なプラグイン手法を提案する。
  論文  参考訳（メタデータ） (2024-05-28T18:24:16Z)
• Wilsonian Renormalization of Neural Network Gaussian Processes [1.8749305679160366]
  本稿では,ガウス過程(GP)回帰の文脈でWilsonian RGを実行するための実践的アプローチを示す。 GPカーネルの学習不能モードを体系的に統合し,エネルギースケールの役割を果たすガウス過程のRGフローを得る。 このアプローチは、RGフローと学習可能モードと学習不可能モードとの自然な接続を提供することによって、RGとニューラルネットワークの間の構造的な類似性を越えている。
  論文  参考訳（メタデータ） (2024-05-09T18:00:00Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• GSMFlow: Generation Shifts Mitigating Flow for Generalized Zero-Shot Learning [55.79997930181418]
  Generalized Zero-Shot Learningは、目に見えないクラスから見えないクラスに意味的な知識を移すことで、目に見えないクラスと見えないクラスの両方から画像を認識することを目的としている。 生成モデルの利点を生かして、見学したクラスから学んだ知識に基づいて、現実的な見知らぬサンプルを幻覚させることは、有望な解決策である。 本研究では,複数の条件付きアフィン結合層からなるフローベース生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-05T04:04:37Z)
• Application of Hierarchical Temporal Memory Theory for Document Categorization [4.506399699599753]
  本研究の目的は,HTM理論における空間プール学習アルゴリズムを用いた文書分類のための代替フレームワークを提供することである。 その結果、HTM理論は初期段階にあるものの、一般的な機械学習ベースの分類器のほとんどと同等に機能することが証明された。
  論文  参考訳（メタデータ） (2021-12-29T20:34:03Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Hierarchical Prototype Networks for Continual Graph Representation Learning [90.78466005753505]
  本稿では,連続的に拡張されたグラフを表現するために,プロトタイプの形式で抽象的な知識のレベルを抽出する階層型プロトタイプネットワーク(HPN)を提案する。 我々はHPNが最先端のベースライン技術を上回るだけでなく、メモリ消費も比較的少ないことを示した。
  論文  参考訳（メタデータ） (2021-11-30T14:15:14Z)
• Topological Data Analysis (TDA) Techniques Enhance Hand Pose Classification from ECoG Neural Recordings [0.0]
  時系列データのトポロジ的記述を導入し、手ポーズ分類を強化する。 4ラベルの分類問題に対して,可利用データに制限のあるAC精度で頑健な結果が得られた。
  論文  参考訳（メタデータ） (2021-10-09T22:04:43Z)
• Comparison of machine learning and deep learning techniques in promoter prediction across diverse species [1.8899300124593648]
  3つの高等真核生物のゲノム配列を用いたベクターエンコーディング法とプロモーター分類法を検討した。 酵母、A. タリアナおよび人間。 cnnは非プロモーター配列からのプロモーターの分類(バイナリ分類)やプロモーター配列の種別分類(マルチクラス分類)において優れていることがわかった。
  論文  参考訳（メタデータ） (2021-05-17T08:15:41Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。