論文の概要: A Flow Artist for High-Dimensional Cellular Data

• arxiv url: http://arxiv.org/abs/2308.00176v1
• Date: Mon, 31 Jul 2023 22:14:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-02 16:11:02.596012
• Title: A Flow Artist for High-Dimensional Cellular Data
• Title（参考訳）: 高次元セルラーデータのためのフローアーティスト
• Authors: Kincaid MacDonald, Dhananjay Bhaskar, Guy Thampakkul, Nhi Nguyen, Joia Zhang, Michael Perlmutter, Ian Adelstein, Smita Krishnaswamy
• Abstract要約: FlowArtistは、ポイントを埋め込んだニューラルネットワークで、ポイント周辺のベクトルフィールドを共同で学習する。 研究結果は,おもちゃのデータセットと単細胞RNA速度データに基づいて,タンデムの座標情報と速度情報を利用して高次元データを埋め込み,可視化する価値を示す。
• 参考スコア（独自算出の注目度）: 5.364276736341784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of embedding point cloud data sampled from an underlying manifold with an associated flow or velocity. Such data arises in many contexts where static snapshots of dynamic entities are measured, including in high-throughput biology such as single-cell transcriptomics. Existing embedding techniques either do not utilize velocity information or embed the coordinates and velocities independently, i.e., they either impose velocities on top of an existing point embedding or embed points within a prescribed vector field. Here we present FlowArtist, a neural network that embeds points while jointly learning a vector field around the points. The combination allows FlowArtist to better separate and visualize velocity-informed structures. Our results, on toy datasets and single-cell RNA velocity data, illustrate the value of utilizing coordinate and velocity information in tandem for embedding and visualizing high-dimensional data.
• Abstract（参考訳）: 基礎となる多様体からサンプリングされた点雲データに関連する流れや速度を組み込む問題を考える。 このようなデータは、動的実体の静的スナップショットが測定される多くのコンテキストで発生し、例えば単細胞転写学のような高スループット生物学を含む。 既存の埋め込み技術は、速度情報を使用しないか、座標と速度を独立に埋め込むか、すなわち、既存の点埋め込みの上に速度を課すか、所定のベクトル場内に点を埋め込むかのどちらかである。 ここでは,点の周りにベクトル場を共学しながら点を埋め込むニューラルネットワークであるflowartistを提案する。 この組み合わせにより、FlowArtistはベロシティインフォームド構造をより分離し、視覚化することができる。 研究結果は,おもちゃのデータセットと単細胞RNA速度データに基づいて,タンデムの座標情報と速度情報を利用して高次元データを埋め込み,可視化する価値を示す。

関連論文リスト

• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• TractCloud: Registration-free tractography parcellation with a novel local-global streamline point cloud representation [63.842881844791094]
  現在のトラクトグラフィーのパーセレーション法は登録に大きく依存しているが、登録の不正確さはパーセレーションに影響を及ぼす可能性がある。 我々は,個別の主題空間で直接,脳全体のトラクトログラフィ解析を行う,登録不要のフレームワークであるTractCloudを提案する。
  論文  参考訳（メタデータ） (2023-07-18T06:35:12Z)
• Deep Learning Method for Cell-Wise Object Tracking, Velocity Estimation and Projection of Sensor Data over Time [0.7340017786387767]
  我々は、ConvNetがこのタスクのアーキテクチャ上の制約にどのように悩まされているかを示す。 最後のステップでは、抽出した速度推定に基づいて、リカレントニューラルネットワークのメモリ状態を投影する。
  論文  参考訳（メタデータ） (2023-06-08T07:33:05Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• DeltaConv: Anisotropic Point Cloud Learning with Exterior Calculus [13.18401177210079]
  デルタコンブと呼ばれる新しい畳み込み演算子を導入し、外部計算から幾何演算子を組み合わせて点雲上に異方性フィルタを構築する。 私たちの畳み込みは、いくつかのベンチマークにおける最先端のアプローチと比較して、堅牢で、実装も簡単で、精度も向上しています。
  論文  参考訳（メタデータ） (2021-11-16T21:58:55Z)
• Adaptive Machine Learning for Time-Varying Systems: Low Dimensional Latent Space Tuning [91.3755431537592]
  本稿では,時間変化システムを対象とした適応機械学習手法を提案する。 我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。 そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
  論文  参考訳（メタデータ） (2021-07-13T16:05:28Z)
• Time Varying Particle Data Feature Extraction and Tracking with Neural Networks [20.825102707056647]
  我々は, 特徴抽出と追跡を支援するために, 科学的粒子データのための特徴表現を作成するために, 深層学習アプローチを採用する。 本研究では,局所近傍における空間的位置と物理的属性の関係を表現するために,潜在ベクトルを生成する深層学習モデルを用いる。 高速な特徴追跡を実現するために,特徴空間に平均シフト追跡アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2021-05-27T15:38:14Z)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)
• Learning-Based Human Segmentation and Velocity Estimation Using Automatic Labeled LiDAR Sequence for Training [15.19884183320726]
  本稿では,ポイントクラウドを用いた人間認識のための自動ラベル付きシーケンシャルデータ生成パイプラインを提案する。 提案手法では, 高精度な人体モデルを用いて, 正確な動きを再現し, リアルな人工データを生成する。
  論文  参考訳（メタデータ） (2020-03-11T03:14:52Z)

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。