Fugu-MT 論文翻訳(概要): Topology-Driven Generative Completion of Lacunae in Molecular Data

論文の概要: Topology-Driven Generative Completion of Lacunae in Molecular Data

arxiv url: http://arxiv.org/abs/2208.00063v1
Date: Fri, 29 Jul 2022 20:33:23 GMT
ステータス: 処理完了
システム内更新日: 2022-08-02 14:39:04.092481
Title: Topology-Driven Generative Completion of Lacunae in Molecular Data
Title（参考訳）: 分子データにおけるラッカネのトポロジー駆動生成
Authors: Dmitry Yu. Zubarev and Petar Ristoski
Abstract要約: 本稿では,Mapperアルゴリズムのようなトポロジカルデータ解析によって駆動される分子データセットにおいて,ラグネーの目的とする完備化へのアプローチを提案する。 Lacunaeは、異なるスコアリング関数で訓練された足場制約付き生成モデルで満たされる。
参考スコア（独自算出の注目度）: 0.6916620974833161
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce an approach to the targeted completion of lacunae in molecular data sets which is driven by topological data analysis, such as Mapper algorithm. Lacunae are filled in using scaffold-constrained generative models trained with different scoring functions. The approach enables addition of links and vertices to the skeletonized representations of the data, such as Mapper graph, and falls in the broad category of network completion methods. We illustrate application of the topology-driven data completion strategy by creating a lacuna in the data set of onium cations extracted from USPTO patents, and repairing it.
Abstract（参考訳）: 本研究では,マッパーアルゴリズムなどのトポロジカルデータ解析によって駆動される分子データ集合におけるlacunaeの完成を目標とする手法を提案する。 Lacunaeは、異なるスコアリング関数で訓練された足場制約付き生成モデルで満たされる。このアプローチでは、マッパーグラフのようなデータのスケルトン化された表現にリンクや頂点を追加でき、ネットワーク補完の幅広いカテゴリに分類される。本稿では,USPTO特許から抽出したオニオンカチオンのデータセットにラグナを作成し,トポロジー駆動型データ補完戦略の適用について述べる。

関連論文リスト

ClusterGraph: a new tool for visualization and compression of multidimensional data [0.0]
本稿では,任意のクラスタリングアルゴリズムの出力に付加的なレイヤを提供する。クラスタリングアルゴリズムから得られたクラスタのグローバルなレイアウトに関する情報を提供する。
論文参考訳（メタデータ） (2024-11-08T09:40:54Z)
Persistent de Rham-Hodge Laplacians in Eulerian representation for manifold topological learning [7.0103981121698355]
多様体トポロジカルラーニングのための持続的ド・ラム・ホッジ・ラプラシアン(英語版)、または持続的ホッジ・ラプラシアン(英語版)を導入する。我々のPHLは、カルテシアン格子を構造パーバーするユーレリア表現で構築されている。本稿では,タンパク質-リガンド結合親和性の2つのベンチマークデータセットによる予測について考察する。
論文参考訳（メタデータ） (2024-08-01T01:15:52Z)
Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文参考訳（メタデータ） (2024-01-12T22:51:48Z)
Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文参考訳（メタデータ） (2023-11-29T12:48:33Z)
Neural FIM for learning Fisher Information Metrics from point cloud data [71.07939200676199]
我々は、ポイントクラウドデータからフィッシャー情報量(FIM)を計算するためのニューラルFIMを提案する。本稿では,PHATE可視化手法のパラメータの選択と,IPSCリプログラミングとPBMC(免疫細胞)の2つの単一セルデータセットと,おもちゃデータセットの分岐点とクラスタセンターの埋め込みに関する情報を得る能力について述べる。
論文参考訳（メタデータ） (2023-06-01T17:36:13Z)
Metric Distribution to Vector: Constructing Data Representation via Broad-Scale Discrepancies [15.40538348604094]
本稿では,各データに対するベクトル表現に分布特性を抽出するために, $mathbfMetricDistribution2vec$ という新しい埋め込み方式を提案する。本研究では,広範囲な実世界構造グラフデータセット上での教師付き予測タスクにおける表現法の適用と有効性を示す。
論文参考訳（メタデータ） (2022-10-02T03:18:30Z)
SHGNN: Structure-Aware Heterogeneous Graph Neural Network [77.78459918119536]
本稿では、上記の制約に対処する構造対応不均一グラフニューラルネットワーク(SHGNN)を提案する。まず,メタパス内の中間ノードの局所構造情報を取得するために,特徴伝搬モジュールを利用する。次に、ツリーアテンションアグリゲータを使用して、グラフ構造情報をメタパス上のアグリゲーションモジュールに組み込む。最後に、メタパスアグリゲータを利用して、異なるメタパスから集約された情報を融合する。
論文参考訳（メタデータ） (2021-12-12T14:18:18Z)
Self-supervised Graph-level Representation Learning with Local and Global Structure [71.45196938842608]
自己教師付き全グラフ表現学習のためのローカル・インスタンスとグローバル・セマンティック・ラーニング(GraphLoG)という統合フレームワークを提案する。 GraphLoGは、局所的な類似点の保存に加えて、グローバルなセマンティッククラスタをキャプチャする階層的なプロトタイプも導入している。モデル学習のための効率的なオンライン予測最大化(EM)アルゴリズムがさらに開発された。
論文参考訳（メタデータ） (2021-06-08T05:25:38Z)
Joint Geometric and Topological Analysis of Hierarchical Datasets [7.098759778181621]
本稿では,複数の階層的データセットに整理された高次元データに注目する。この研究の主な新規性は、トポロジカルデータ分析と幾何多様体学習という、2つの強力なデータ分析アプローチの組み合わせにある。本手法は, 最新手法と比較して優れた分類結果をもたらすことを示した。
論文参考訳（メタデータ） (2021-04-03T13:02:00Z)
Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文参考訳（メタデータ） (2020-07-13T03:27:45Z)
Hierarchical regularization networks for sparsification based learning on noisy datasets [0.0]
階層は、連続的により微細なスケールで特定される近似空間から従う。各スケールでのモデル一般化を促進するため,複数次元にわたる新規な射影型ペナルティ演算子も導入する。その結果、合成データセットと実データセットの両方において、データ削減およびモデリング戦略としてのアプローチの性能が示された。
論文参考訳（メタデータ） (2020-06-09T18:32:24Z)

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。