論文の概要: Learning optimal integration of spatial and temporal information in noisy chemotaxis

• arxiv url: http://arxiv.org/abs/2310.10531v1
• Date: Mon, 16 Oct 2023 15:50:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 13:09:38.234200
• Title: Learning optimal integration of spatial and temporal information in noisy chemotaxis
• Title（参考訳）: 雑音運動における空間情報と時間情報の最適統合学習
• Authors: Albert Alonso and Julius B. Kirkegaard
• Abstract要約: 本研究では,空間的勾配推定による遊走速度と時間的推定による遊走速度の境界について検討する。 我々は、繰り返しニューラルネットワークによる協調的遊走政策をパラメータ化し、遊走細胞の最小理論モデルを用いて評価する。 政権間の移行は継続しており、移行地域では統合戦略が優れたことが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the boundary between chemotaxis driven by spatial estimation of gradients and chemotaxis driven by temporal estimation. While it is well known that spatial chemotaxis becomes disadvantageous for small organisms at high noise levels, it is unclear whether there is a discontinuous switch of optimal strategies or a continuous transition exists. Here, we employ deep reinforcement learning to study the possible integration of spatial and temporal information in an a priori unconstrained manner. We parameterize such a combined chemotactic policy by a recurrent neural network and evaluate it using a minimal theoretical model of a chemotactic cell. By comparing with constrained variants of the policy, we show that it converges to purely temporal and spatial strategies at small and large cell sizes, respectively. We find that the transition between the regimes is continuous, with the combined strategy outperforming in the transition region both the constrained variants as well as models that explicitly integrate spatial and temporal information. Finally, by utilizing the attribution method of integrated gradients, we show that the policy relies on a non-trivial combination of spatially and temporally derived gradient information in a ratio that varies dynamically during the chemotactic trajectories.
• Abstract（参考訳）: 勾配の空間的推定によるケモトキシーと時間的推定によるケモトキシーの境界について検討した。 空間的ケモトキシーが騒音の高い小生物にとって不利になることはよく知られているが、最適戦略の不連続なスイッチが存在するか、連続的な遷移が存在するかは定かではない。 本稿では,a prei unconstrained 方式による空間情報と時間情報の統合の可能性について,深層強化学習を用いて検討する。 そこで我々は, 再帰型ニューラルネットワークによる協調型ケモティックポリシーをパラメータ化し, チェモティックセルの最小理論モデルを用いて評価する。 ポリシーの制約された変種と比較することにより,小細胞サイズと大細胞サイズで,純粋に時間戦略と空間戦略に収束することを示した。 我々は,レジーム間の遷移が連続的であること,制約付き変種と空間的情報と時間的情報を明示的に統合するモデルの両方において,トランジッション領域における戦略が優れていることを見出した。 最後に, 統合勾配の帰属法を用いて, ケモティックトラジェクタにおいて動的に変化する, 空間的および時間的に導出される勾配情報の非自明な組み合わせに依存することを示す。

関連論文リスト

• Neuron: Learning Context-Aware Evolving Representations for Zero-Shot Skeleton Action Recognition [64.56321246196859]
  本稿では,dUalスケルトン・セマンティック・セマンティック・セマンティック・セマンティック・シンジスティック・フレームワークを提案する。 まず、時空間進化型マイクロプロトタイプを構築し、動的コンテキスト認識側情報を統合する。 本研究では,空間的圧縮と時間的記憶機構を導入し,空間的時間的マイクロプロトタイプの成長を導く。
  論文  参考訳（メタデータ） (2024-11-18T05:16:11Z)
• Surgformer: Surgical Transformer with Hierarchical Temporal Attention for Surgical Phase Recognition [7.682613953680041]
  本稿では,空間時間モデルと冗長性の問題に終末的に対処する手術用トランスフォーマー(サージフォーマー)を提案する。 提案するサージフォーマーは,最先端の手法に対して良好に機能することを示す。
  論文  参考訳（メタデータ） (2024-08-07T16:16:31Z)
• Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image Compression [63.56922682378755]
  本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。 提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。 実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
  論文  参考訳（メタデータ） (2023-08-17T01:34:51Z)
• Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
  HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。 従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-02T12:04:28Z)
• Spatio-temporal Diffusion Point Processes [23.74522530140201]
  パティオ・テンポラル・ポイント・プロセス(英: patio-temporal point process、STPP)は、時間と空間を伴うイベントの集合である。 結合分布のモデル化に失敗すると、与えられた事象の過去の時間的相互作用を特徴づける能力は限られる。 複雑な時空間の関節分布を学習する新しいパラメータ化フレームワークを提案する。 我々のフレームワークは最先端のベースラインを著しく上回り、平均50%以上の改善がなされています。
  論文  参考訳（メタデータ） (2023-05-21T08:53:00Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Summarising and Comparing Agent Dynamics with Contrastive Spatiotemporal Abstraction [12.858982225307809]
  本研究では,データ駆動型モデル非依存手法を導入し,進化する力学系内での高次コントラスト点の人間解釈可能な要約を生成する。 連続状態空間に対して実用的なアルゴリズムを概説し、深層強化学習エージェントの学習履歴を要約するために展開する。
  論文  参考訳（メタデータ） (2022-01-17T11:34:59Z)
• Spatio-Temporal Variational Gaussian Processes [26.60276485130467]
  時空間フィルタリングと自然変動推論を組み合わせたガウス過程推論にスケーラブルなアプローチを導入する。 還元された誘導点集合上で状態空間モデルを構成するスパース近似を導出する。 分離可能なマルコフカーネルの場合、完全スパースケースは標準変分GPを正確に回復する。
  論文  参考訳（メタデータ） (2021-11-02T16:53:31Z)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。