Fugu-MT 論文翻訳(概要): Literature Review: Graph Kernels in Chemoinformatics

論文の概要: Literature Review: Graph Kernels in Chemoinformatics

arxiv url: http://arxiv.org/abs/2208.04929v1
Date: Tue, 9 Aug 2022 17:45:47 GMT
ステータス: 処理完了
システム内更新日: 2022-08-10 12:28:00.132739
Title: Literature Review: Graph Kernels in Chemoinformatics
Title（参考訳）: 化学情報学におけるグラフカーネル
Authors: James Young
Abstract要約: 本稿では, ケモインフォマティクスの分類問題に適用することを目的とした, グラフカーネルの読者について紹介する。カーネルメソッドの使用は、グラフ間の類似性を2つに定量化する方法の1つである。我々はこの1つの手法に限定するが、近年は一般的な代替手段が登場しており、特にグラフニューラルネットワークが注目されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The purpose of this review is to introduce the reader to graph kernels, with a view of applying them in classification problems in chemoinformatics. Graph kernels are functions that allow us to infer chemical properties of molecules, which can help with tasks such as finding suitable compounds for drug design. The use of kernel methods is but one particular way two quantify similarity between graphs. We restrict our discussion to this one method, although popular alternatives have emerged in recent years, most notably Graph Neural Networks.
Abstract（参考訳）: 本研究の目的は, ケモインフォマティクスの分類問題に適用することを目的として, グラフカーネルに読者を導入することである。グラフ核は分子の化学的性質を推測する機能であり、薬物設計に適した化合物を見つけるのに役立つ。カーネルメソッドの使用は、グラフ間の類似性を2つで定量化する特定の方法である。我々はこの1つの手法に限定するが、近年は一般的な代替手段が登場しており、特にグラフニューラルネットワークが注目されている。

関連論文リスト

MolGrapher: Graph-based Visual Recognition of Chemical Structures [50.13749978547401]
化学構造を視覚的に認識するためにMolGrapherを導入する。すべての候補原子と結合をノードとして扱い、それらをグラフ化する。グラフニューラルネットワークを用いてグラフ内の原子と結合ノードを分類する。
論文参考訳（メタデータ） (2023-08-23T16:16:11Z)
Transductive Kernels for Gaussian Processes on Graphs [7.542220697870243]
半教師付き学習のためのノード特徴データ付きグラフ用の新しいカーネルを提案する。カーネルは、グラフと特徴データを2つの空間として扱うことにより、正規化フレームワークから派生する。グラフ上のカーネルベースのモデルがどれだけの頻度で設計されているかを示す。
論文参考訳（メタデータ） (2022-11-28T14:00:50Z)
MolGraph: a Python package for the implementation of molecular graphs and graph neural networks with TensorFlow and Keras [51.92255321684027]
MolGraphは、分子機械学習(ML)のためのグラフニューラルネットワーク(GNN)パッケージである MolGraphは、分子ML問題を解決するためにGNNアルゴリズムに渡すことができる小さな分子グラフを生成するための化学モジュールを実装している。 GNNは分子識別に有用であり,クロマトグラフィー保持時間データの解釈性が向上した。
論文参考訳（メタデータ） (2022-08-21T18:37:41Z)
Molecule Generation for Drug Design: a Graph Learning Perspective [49.8071944694075]
機械学習、特にグラフ学習は、さまざまな分野にまたがるトランスフォーメーションの影響で認知度が高まっている。そのような有望な応用の1つは分子設計と発見の領域、特に製薬業界における。本調査では,分子設計における最先端手法,特に深度グラフ学習技術を取り入れたEmphde novo薬物設計について概観する。
論文参考訳（メタデータ） (2022-02-18T14:26:23Z)
Graph Kernel Neural Networks [53.91024360329517]
本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
論文参考訳（メタデータ） (2021-12-14T14:48:08Z)
Graph Filtration Kernels [3.325932244741268]
本稿では,特徴区間を組み込んだグラフカーネル群を提案する。 Wesfeiler-Lehmanラベルを特定のフィルター上で使用すると、通常のWeisfeiler-Lehmanプロシージャよりも表現力が強くなる。
論文参考訳（メタデータ） (2021-10-22T15:51:10Z)
Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
論文参考訳（メタデータ） (2021-09-01T08:24:02Z)
Graph Kernels: State-of-the-Art and Future Challenges [9.60714423000177]
この原稿は、既存のグラフカーネル、そのアプリケーション、ソフトウェアとデータリソースのレビューと、最先端のグラフカーネルの実証的な比較を提供する。
論文参考訳（メタデータ） (2020-11-07T21:44:53Z)
Provenance Graph Kernel [0.0]
本稿では,プロフェランスカーネルと呼ばれる新しいグラフカーネルを紹介する。プロフェランスグラフを、あるノードに根付いたツリーパターンに分解する。エッジとノードのラベルを根から一定の距離まで考える。
論文参考訳（メタデータ） (2020-10-20T15:07:30Z)
Line Graph Neural Networks for Link Prediction [71.00689542259052]
実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
論文参考訳（メタデータ） (2020-10-20T05:54:31Z)
Hierarchical Inter-Message Passing for Learning on Molecular Graphs [9.478108870211365]
分子グラフを学習するための階層型ニューラルメッセージパッシングアーキテクチャを提案する。我々の手法は、サイクルの検出など、古典的なGNNで知られているいくつかの制限を克服することができるが、それでも訓練は非常に効率的である。
論文参考訳（メタデータ） (2020-06-22T12:25:24Z)

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。