論文の概要: An Experiment Design Paradigm using Joint Feature Selection and Task Optimization

• arxiv url: http://arxiv.org/abs/2210.06891v1
• Date: Thu, 13 Oct 2022 10:36:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 15:05:47.751188
• Title: An Experiment Design Paradigm using Joint Feature Selection and Task Optimization
• Title（参考訳）: 共同特徴選択とタスク最適化を用いた実験設計パラダイム
• Authors: Stefano B. Blumberg, Hongxiang Lin, Yukun Zhou, Paddy Slator, Daniel C. Alexander
• Abstract要約: 本稿では,データ駆動型タスク固有実験設計のためのサブサンプリングパラダイムを提案する。 また、人口管理選抜(FS)における新しい方法も提示している。
• 参考スコア（独自算出の注目度）: 4.215507434867381
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a subsampling-task paradigm for data-driven task-specific experiment design (ED) and a novel method in populationwide supervised feature selection (FS). Optimal ED, the choice of sampling points under constraints of limited acquisition-time, arises in a wide variety of scientific and engineering contexts. However the continuous optimization used in classical approaches depend on a-priori parameter choices and challenging non-convex optimization landscapes. This paper proposes to replace this strategy with a subsampling-task paradigm, analogous to populationwide supervised FS. In particular, we introduce JOFSTO, which performs JOint Feature Selection and Task Optimization. JOFSTO jointly optimizes two coupled networks: one for feature scoring, which provides the ED, the other for execution of a downstream task or process. Unlike most FS problems, e.g. selecting protein expressions for classification, ED problems typically select from highly correlated globally informative candidates rather than seeking a small number of highly informative features among many uninformative features. JOFSTO's construction efficiently identifies potentially correlated, but effective subsets and returns a trained task network. We demonstrate the approach using parameter estimation and mapping problems in quantitative MRI, where economical ED is crucial for clinical application. Results from simulations and empirical data show the subsampling-task paradigm strongly outperforms classical ED, and within our paradigm, JOFSTO outperforms state-of-the-art supervised FS techniques. JOFSTO extends immediately to wider image-based ED problems and other scenarios where the design must be specified globally across large numbers of acquisitions. Code will be released.
• Abstract（参考訳）: 本稿では,データ駆動型タスク特化実験設計(ed)のためのサブサンプリング・タスクパラダイムと,集団的教師付き特徴選択(fs)における新しい手法を提案する。 限られた取得時間の制約の下でサンプリングポイントを選択する最適EDは、様々な科学的・工学的な文脈で発生する。 しかし、古典的手法で使われる連続最適化は、a-prioriパラメータの選択と非凸最適化の展望への挑戦に依存する。 本稿では,この戦略を,人口集中型FSに類似したサブサンプリングタスクパラダイムに置き換えることを提案する。 具体的には,機能選択とタスク最適化を併用したjofstoを提案する。 jofstoは2つの結合ネットワークを共同で最適化する。1つは機能スコア付け、もう1つはedを提供し、もう1つは下流のタスクまたはプロセスを実行する。 多くのFS問題(例えば、分類のためのタンパク質表現の選択など)とは異なり、ED問題は典型的には、多くの非情報的特徴のうち、少数の高情報的特徴を求めるのではなく、高度に相関したグローバルな情報的候補から選択する。 JOFSTOの構成は、潜在的に相関するが効果的なサブセットを効果的に識別し、訓練されたタスクネットワークを返す。 本稿では, 定量的MRIにおけるパラメータ推定とマッピング問題を用いて, 経済的なEDが臨床応用に不可欠であることを示す。 シミュレーションと実証データから, サブサンプリング・タスクのパラダイムは古典的EDよりも優れており, 我々のパラダイムではJOFSTOは最先端の教師付きFS技術より優れていた。 JOFSTOはすぐに画像ベースのED問題や他の多くの買収で設計をグローバルに指定しなければならないシナリオに拡張する。 コードはリリースされる。

関連論文リスト

• Unsupervised Reward-Driven Image Segmentation in Automated Scanning Transmission Electron Microscopy Experiments [0.22795086293129713]
  走査透過電子顕微鏡(STEM)における自動実験は、人間の解釈、意思決定、サイト選択分光法、原子操作のためのデータ表現を最適化するために、高速な画像分割を必要とする。 本稿では,STEMにおけるオンザフライ画像解析のための報酬駆動最適化ワークフローの運用とベンチマークを行う。 この教師なしのアプローチは、人間のラベルに依存しておらず、完全に説明可能であるため、はるかに堅牢である。
  論文  参考訳（メタデータ） (2024-09-19T04:51:13Z)
• SpotActor: Training-Free Layout-Controlled Consistent Image Generation [43.2870588035256]
  双対セマンティックラテント空間における最適化による二元エネルギー誘導の新しい形式化を提案する。 本研究では,レイアウト条件付き後方更新ステージと一貫した前方サンプリングステージを備えたトレーニングフリーパイプラインSpotActorを提案する。 その結果、SpotActorはこのタスクの期待を達成し、実用的な応用の可能性を示した。
  論文  参考訳（メタデータ） (2024-09-07T11:52:48Z)
• Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
  本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。 本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。 提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
  論文  参考訳（メタデータ） (2024-02-09T15:14:48Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Unifying Flow, Stereo and Depth Estimation [121.54066319299261]
  本稿では3つの動作と3次元知覚タスクのための統一的な定式化とモデルを提案する。 これら3つのタスクを、統一された高密度対応マッチング問題として定式化する。 我々のモデルは、モデルアーキテクチャとパラメータがタスク間で共有されているため、自然にクロスタスク転送を可能にします。
  論文  参考訳（メタデータ） (2022-11-10T18:59:54Z)
• Single Stage Virtual Try-on via Deformable Attention Flows [51.70606454288168]
  仮想試行は、ショップ内服と基準人物画像が与えられた写真リアルなフィッティング結果を生成することを目的としている。 マルチフロー推定に変形性アテンションスキームを適用した,変形性アテンションフロー(DAFlow)を新たに開発した。 提案手法は,定性的かつ定量的に最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-07-19T10:01:31Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Lifting-based variational multiclass segmentation algorithm: design, convergence analysis, and implementation with applications in medical imaging [1.2499537119440245]
  本稿では,特定の特性を示す複数の領域に分割する変動型マルチクラスセグメンテーション手法を提案し,解析し,実現する。 本手法は,異なるチャネルからのエネルギー関数結合情報を最小化することにより,セグメント領域を符号化する複数の関数を決定する。 実験の結果,提案手法は様々なシナリオで良好に動作することがわかった。
  論文  参考訳（メタデータ） (2022-02-09T19:03:05Z)
• Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
  本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。 我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。 単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-16T11:05:10Z)
• Deep Adaptive Design: Amortizing Sequential Bayesian Experimental Design [11.414086057582324]
  本稿では,逐次適応実験のコストを補正する手法であるDeep Adaptive Design (DAD)を紹介する。 DADが実験設計のプロセスに成功したことを実証し、いくつかの問題に対する代替戦略を上回ります。
  論文  参考訳（メタデータ） (2021-03-03T14:43:48Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。