論文の概要: Orthogonalization of data via Gromov-Wasserstein type feedback for
clustering and visualization
- arxiv url: http://arxiv.org/abs/2207.12279v1
- Date: Mon, 25 Jul 2022 15:52:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 13:53:13.753145
- Title: Orthogonalization of data via Gromov-Wasserstein type feedback for
clustering and visualization
- Title(参考訳): クラスタリングと可視化のためのGromov-Wasserstein型フィードバックによるデータの直交化
- Authors: Martin Ryner and Johan Karlsson
- Abstract要約: 直交化プロセスによるデータのクラスタリングと可視化に適応的な手法を提案する。
本手法は,パラメータ値に対して一意な固定点にグローバルに収束することを示す。
本手法は,ヒトの専門的分類と一致して生物学的に意味のあるクラスタリング結果を生成する。
- 参考スコア(独自算出の注目度): 5.44192123671277
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this paper we propose an adaptive approach for clustering and
visualization of data by an orthogonalization process. Starting with the data
points being represented by a Markov process using the diffusion map framework,
the method adaptively increase the orthogonality of the clusters by applying a
feedback mechanism inspired by the Gromov-Wasserstein distance. This mechanism
iteratively increases the spectral gap and refines the orthogonality of the
data to achieve a clustering with high specificity. By using the diffusion map
framework and representing the relation between data points using transition
probabilities, the method is robust with respect to both the underlying
distance, noise in the data and random initialization. We prove that the method
converges globally to a unique fixpoint for certain parameter values. We also
propose a related approach where the transition probabilities in the Markov
process are required to be doubly stochastic, in which case the method
generates a minimizer to a nonconvex optimization problem. We apply the method
on cryo-electron microscopy image data from biopharmaceutical manufacturing
where we can confirm biologically relevant insights related to therapeutic
efficacy. We consider an example with morphological variations of gene
packaging and confirm that the method produces biologically meaningful
clustering results consistent with human expert classification.
- Abstract(参考訳): 本稿では,直交処理によるデータのクラスタリングと可視化のための適応的アプローチを提案する。
拡散マップフレームワークを用いてマルコフプロセスで表現されるデータポイントから始まり、グロモフ-ワッセルシュタイン距離にインスパイアされたフィードバック機構を適用してクラスタの直交性を適応的に増加させる。
このメカニズムは、スペクトルギャップを反復的に増加させ、データの直交性を洗練し、高い特異性を持つクラスタリングを実現する。
拡散マップフレームワークを用いて、遷移確率を用いたデータポイント間の関係を表現することにより、基礎となる距離、データのノイズ、ランダム初期化の両方に対して堅牢である。
本手法は,パラメータ値に対して一意な固定点にグローバルに収束することを示す。
また,マルコフ過程の遷移確率を2倍確率で求める手法を提案し,その場合,非凸最適化問題に対して最小化器を生成する。
本稿では, バイオ医薬品製造における低温電子顕微鏡画像データに適用し, 治療効果に関する生物学的知見を確認する。
遺伝子パッケージングの形態学的変異のある例を考察し,ヒトの分類と一致した生物学的に有意なクラスタリングの結果が得られたことを確認する。
関連論文リスト
- Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。
異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文 参考訳(メタデータ) (2024-04-24T09:04:36Z) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。
グラフが現在の勾配を混合する能力を定量化する計量法を提案する。
そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
論文 参考訳(メタデータ) (2022-04-13T15:54:35Z) - Approximate Bayesian Computation Based on Maxima Weighted Isolation
Kernel Mapping [0.0]
この研究は、このタイプのモデルに対するパラメータの正確な評価の問題を解こうとする。
分岐過程モデルのがん細胞進化への応用は、高次元性や興味ある結果の稀な出現など、多くの困難がある。
論文 参考訳(メタデータ) (2022-01-30T07:11:57Z) - Tk-merge: Computationally Efficient Robust Clustering Under General
Assumptions [0.0]
トリミングされたk平均と階層的アグロメレーションに基づく2段階のハイブリッドロバストクラスタリングアルゴリズムを提案する。
また、本手法の自然な一般化と、データ駆動方式で汚染量を推定する適応的な手順を提案する。
論文 参考訳(メタデータ) (2022-01-17T13:05:05Z) - Cryo-shift: Reducing domain shift in cryo-electron subtomograms with
unsupervised domain adaptation and randomization [17.921052986098946]
サブトモグラムの分類と認識は、マクロ分子構造の体系的な回復の第一段階である。
教師付き深層学習法は, サブトモグラム分類において, 精度が高く, 効率的であることが証明されている。
我々は、ディープラーニングに基づくクロスドメインサブトモグラム分類のための、完全に教師なしのドメイン適応およびランダム化フレームワークであるCryo-Shiftを提案する。
論文 参考訳(メタデータ) (2021-11-17T13:43:36Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳(メタデータ) (2021-11-15T03:16:56Z) - Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。
第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。
その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文 参考訳(メタデータ) (2021-10-19T14:24:50Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z)
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。