論文の概要: Negative probabilities in Gene Regulatory Networks

• arxiv url: http://arxiv.org/abs/2307.07738v1
• Date: Sat, 15 Jul 2023 08:03:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 18:08:01.585327
• Title: Negative probabilities in Gene Regulatory Networks
• Title（参考訳）: 遺伝子制御ネットワークにおける負の確率
• Authors: Anqi Dong, Tryphon T. Georgiou and Allen Tannenbaum
• Abstract要約: 我々は、既知の表現に基づいて、遺伝子間の符号不確定な共表現を識別する自然な枠組みを導入する。 我々は、タンパク質のレベルで観察された定常分布を説明することができる速度を求める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a natural framework to identify sign-indefinite co-expressions between genes based on the known expressions and given the sign of their respective correlations. Specifically, given information concerning the affinity among genes (i.e., connectivity in the gene regulatory network) and knowledge whether they promote/inhibit co-expression of the respective protein production, we seek rates that may explain the observed stationary distributions at the level of proteins. We propose to encapsulate their ``promotion vs.\ inhibition'' functionality in a sign-indefinite probability transition matrix--a matrix whose row-sums equal to one, but is otherwise sign indefinite. The purpose of constructing such a representation for the interaction network with sign-indefinite contributions in protein regulation, is to quantify the structure and significance of various links, and to explain how these may affect the geometry of the network, highlighting the significance of the regulatory functions of certain genes. We cast the problem of finding the interaction (sign-indefinite) transition matrix as a solution to a convex optimization problem from which all the relevant geometric properties may be easily derived.
• Abstract（参考訳）: 我々は、既知の表現に基づいて、遺伝子間の手話不定の共発現を識別するための自然な枠組みを導入し、それぞれの相関のサインを与える。 具体的には、遺伝子間の親和性(すなわち、遺伝子制御ネットワークの接続性)と、それらがそれぞれのタンパク質生産の共発現を促進/阻害するかどうかに関する知識を与えられたとき、観測されたタンパク質レベルの定常分布を説明できる速度を求める。 我々は彼らの ``promotion vs. をカプセル化する。 符号不定確率遷移行列における \ inhibition' の函数--行和が 1 に等しいが、それ以外は符号不定の行列である。 このような相互作用ネットワークの表現と、タンパク質の調節における無定な貢献を構築する目的は、様々なリンクの構造と重要性を定量化し、それがネットワークの幾何学にどのように影響するかを説明し、特定の遺伝子の制御機能の重要さを強調することである。 我々は,すべての関連する幾何学的性質が容易に導出できる凸最適化問題に対する解として,相互作用(符号不定値)遷移行列を見つける問題を提起した。

関連論文リスト

• Residual Connections and Normalization Can Provably Prevent Oversmoothing in GNNs [30.003409099607204]
  残差接続と正規化層を有する(線形化)グラフニューラルネットワーク(GNN)の形式的かつ正確な特徴付けを提供する。 正規化層の中心となるステップは、メッセージパッシングにおけるグラフ信号を変化させ、関連する情報を抽出しにくくすることを示す。 本稿では,グラフNormv2と呼ばれる新しい正規化レイヤを導入し,その中心となるステップを学習することで,元のグラフ信号を望ましくない方法で歪ませないようにする。
  論文  参考訳（メタデータ） (2024-06-05T06:53:16Z)
• Subspace Node Pruning [2.3125457626961263]
  ノードプルーニング(node pruning)とは、ニューロン、フィルタ、アテンションヘッド、さらには層全体といった計算単位を除去し、ネットワーク性能を維持しながら推論時間を著しく短縮する技術である。 本研究では、余剰な活動が存在しない直交部分空間へのユニットアクティベーションのプロジェクションを提案し、損失ユニットの影響を同時に回復しながらノードをプーンする。 提案手法は,ImageNet が訓練した VGG-16 で,ResNet-50 ネットワークを刈り取る場合のより複雑な手法と競合する。
  論文  参考訳（メタデータ） (2024-05-26T14:27:26Z)
• Efficient Link Prediction via GNN Layers Induced by Negative Sampling [92.05291395292537]
  リンク予測のためのグラフニューラルネットワーク(GNN)は、緩やかに2つの広いカテゴリに分けられる。 まず、Emphnode-wiseアーキテクチャは各ノードの個別の埋め込みをプリコンパイルし、後に単純なデコーダで結合して予測を行う。 第二に、エンフェッジワイド法は、ペアワイド関係の表現を強化するために、エッジ固有のサブグラフ埋め込みの形成に依存している。
  論文  参考訳（メタデータ） (2023-10-14T07:02:54Z)
• Refined Edge Usage of Graph Neural Networks for Edge Prediction [51.06557652109059]
  We propose a novel edge prediction paradigm named Edge-aware Message PassIng neuRal nEtworks (EMPIRE)。 まず,各エッジをトポロジや監督のためにのみ使用するエッジ分割手法を提案する。 監視エッジで接続されたペアと接続されていないペアの差を強調するために、さらにメッセージを重み付けして、その差を反映できる相対的なペアを強調します。
  論文  参考訳（メタデータ） (2022-12-25T23:19:56Z)
• On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
  我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。 我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
  論文  参考訳（メタデータ） (2022-05-18T16:57:10Z)
• Pseudo-Euclidean Attract-Repel Embeddings for Undirected Graphs [73.0261182389643]
  ドット積埋め込みはグラフをとり、2つのベクトル間のドット積がエッジの強さを与えるようなノードのベクトルを構成する。 ノードを擬ユークリッド空間に埋め込むことにより、推移性仮定を除去する。 Pseudo-Euclidean 埋め込みはネットワークを効率よく圧縮でき、近接する隣人の複数の概念をそれぞれ独自の解釈で解釈でき、既存のモデルに'スロットできる。
  論文  参考訳（メタデータ） (2021-06-17T17:23:56Z)
• Spectral clustering under degree heterogeneity: a case for the random walk Laplacian [83.79286663107845]
  本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。 次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
  論文  参考訳（メタデータ） (2021-05-03T16:36:27Z)
• Controllable Orthogonalization in Training DNNs [96.1365404059924]
  直交性はディープニューラルネットワーク(DNN)のトレーニングに広く用いられている。 本稿では,ニュートン反復(ONI)を用いた計算効率が高く,数値的に安定な直交化法を提案する。 本稿では,画像分類ネットワークの性能向上のために,最適化の利点と表現能力の低下との間に最適なトレードオフを与えるために,直交性を効果的に制御する手法を提案する。 また、ONIは、スペクトル正規化と同様に、ネットワークのリプシッツ連続性を維持することにより、GAN(Generative Adversarial Network)のトレーニングを安定化させることを示した。
  論文  参考訳（メタデータ） (2020-04-02T10:14:27Z)

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。