論文の概要: Adaptive Weighted Multiview Kernel Matrix Factorization with its
application in Alzheimer's Disease Analysis -- A clustering Perspective
- arxiv url: http://arxiv.org/abs/2303.04154v1
- Date: Tue, 7 Mar 2023 16:05:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 16:22:35.178830
- Title: Adaptive Weighted Multiview Kernel Matrix Factorization with its
application in Alzheimer's Disease Analysis -- A clustering Perspective
- Title（参考訳）: Adaptive Weighted Multiview Kernel Matrix Factorizationとそのアルツハイマー病解析への応用 -- クラスタリングの観点から
- Authors: Kai Liu and Yarui Cao
- Abstract要約: そこで本研究では,各ビューの重みを適応的に学習することのできる,様々なモダリティ/ビューからのデータを活用する新しいモデルを提案する。
ADNIデータセットの実験結果から,提案手法の有効性が示された。
- 参考スコア（独自算出の注目度）: 3.3843930118195407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent technology and equipment advancements provide with us opportunities to
better analyze Alzheimer's disease (AD), where we could collect and employ the
data from different image and genetic modalities that may potentially enhance
the predictive performance. To perform better clustering in AD analysis, in
this paper we propose a novel model to leverage data from all different
modalities/views, which can learn the weights of each view adaptively.
Different from previous vanilla Non-negative Matrix Factorization which assumes
data is linearly separable, we propose a simple yet efficient method based on
kernel matrix factorization, which is not only able to deal with non-linear
data structure but also can achieve better prediction accuracy. Experimental
results on ADNI dataset demonstrate the effectiveness of our proposed method,
which indicate promising prospects of kernel application in AD analysis.
- Abstract（参考訳）: 最近の技術と機器の進歩により、アルツハイマー病(ad)をよりよく分析する機会が得られ、様々な画像と遺伝的モダリティからデータを収集し、利用することで予測性能を向上させることができる。
本稿では,広告分析におけるクラスタリングを改善するために,各視点の重みを適応的に学習できる,すべての異なるモダリティ/ビューのデータを活用する新しいモデルを提案する。
データを線形分離可能であると仮定する以前のバニラ非負行列因子化とは違って,非線形データ構造に対処できるだけでなく,予測精度も向上する,カーネル行列因子化に基づく単純かつ効率的な手法を提案する。
adniデータセットの実験結果は,提案手法の有効性を示し,ad解析におけるカーネル応用の可能性を示す。
関連論文リスト
- fastHDMI: Fast Mutual Information Estimation for High-Dimensional Data [2.9901605297536027]
我々は高次元データセットにおける効率的な変数スクリーニングのために設計されたPythonパッケージであるfastHDMIを紹介した。
この研究は3つの相互情報推定手法のニューロイメージング変数選択への応用を開拓した。
論文 参考訳（メタデータ） (2024-10-14T01:49:53Z) - The Common Stability Mechanism behind most Self-Supervised Learning
Approaches [64.40701218561921]
自己指導型学習手法の安定性のメカニズムを説明するための枠組みを提供する。
我々は,BYOL,SWAV,SimSiam,Barlow Twins,DINOなどの非コントラスト技術であるSimCLRの動作メカニズムについて議論する。
私たちは異なる仮説を定式化し、Imagenet100データセットを使ってそれらをテストします。
論文 参考訳（メタデータ） (2024-02-22T20:36:24Z) - Toward the Identifiability of Comparative Deep Generative Models [7.5479347719819865]
比較深部生成モデル(DGM)における識別可能性の理論を提案する。
これらのモデルは、一般的な混合関数のクラスにおいて識別性に欠けるが、混合関数が断片的アフィンであるときに驚くほど識別可能であることを示す。
また, モデルミス種別の影響についても検討し, 従来提案されていた比較DGMの正則化手法が, 潜伏変数の数が事前に分かっていない場合に, 識別可能性を高めることを実証的に示す。
論文 参考訳（メタデータ） (2024-01-29T06:10:54Z) - Functional Graphical Models: Structure Enables Offline Data-Driven Optimization [111.28605744661638]
構造がサンプル効率のよいデータ駆動最適化を実現する方法を示す。
また、FGM構造自体を推定するデータ駆動最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-08T22:33:14Z) - Predictive Heterogeneity: Measures and Applications [26.85283526483783]
本稿では,モデルキャパシティと計算制約を考慮した表現可能な予測不均一性を提案する。
ほぼ正しい(PAC)境界を持つ有限データから確実に推定できることを示す。
実験的に、探索された異質性は、所得予測、収量予測、画像分類タスクにおけるサブ人口区分に関する洞察を提供する。
論文 参考訳（メタデータ） (2023-04-01T12:20:06Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳（メタデータ） (2022-06-15T19:10:35Z) - Scalable Regularised Joint Mixture Models [2.0686407686198263]
多くの応用において、データは異なる基底分布を持つ潜在群にまたがるという意味で不均一である。
我々は,(i)明示的多変量特徴分布,(ii)高次元回帰モデル,(iii)潜在群ラベルの連成学習を可能にする異種データに対するアプローチを提案する。
このアプローチは明らかに高次元において有効であり、計算効率のためのデータ削減と、特徴数が大きければ鍵信号を保持する再重み付けスキームを組み合わせる。
論文 参考訳（メタデータ） (2022-05-03T13:38:58Z) - Using Explainable Boosting Machine to Compare Idiographic and Nomothetic
Approaches for Ecological Momentary Assessment Data [2.0824228840987447]
本稿では,非線形解釈型機械学習(ML)モデルを用いた分類問題について検討する。
木々の様々なアンサンブルは、不均衡な合成データセットと実世界のデータセットを用いて線形モデルと比較される。
2つの実世界のデータセットのうちの1つで、知識蒸留法は改善されたAUCスコアを達成する。
論文 参考訳（メタデータ） (2022-04-04T17:56:37Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Cauchy-Schwarz Regularized Autoencoder [68.80569889599434]
変分オートエンコーダ(VAE)は、強力で広く使われている生成モデルのクラスである。
GMMに対して解析的に計算できるCauchy-Schwarz分散に基づく新しい制約対象を導入する。
本研究の目的は,密度推定,教師なしクラスタリング,半教師なし学習,顔分析における変分自動エンコーディングモデルの改善である。
論文 参考訳（メタデータ） (2021-01-06T17:36:26Z) - Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。
高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。
両アプローチを単一モデルにマージすることを提案する。
論文 参考訳（メタデータ） (2020-06-01T14:25:38Z)
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。