Fugu-MT 論文翻訳(概要): A Multi-Domain Multi-Task Approach for Feature Selection from Bulk RNA Datasets

論文の概要: A Multi-Domain Multi-Task Approach for Feature Selection from Bulk RNA Datasets

arxiv url: http://arxiv.org/abs/2405.02534v1
Date: Sat, 4 May 2024 01:36:05 GMT
ステータス: 処理完了
システム内更新日: 2024-05-07 19:40:24.000617
Title: A Multi-Domain Multi-Task Approach for Feature Selection from Bulk RNA Datasets
Title（参考訳）: バルクRNAデータセットからの特徴選択のためのマルチドメインマルチタスクアプローチ
Authors: Karim Salta, Tomojit Ghosh, Michael Kirby,
Abstract要約: サルモネラ感染に対するマウス宿主免疫反応から生じる2つのデータセットについて検討した。ドメイン間の識別の小さなサブセットが各ケースで抽出されている。
参考スコア（独自算出の注目度）: 4.164728134421114
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper a multi-domain multi-task algorithm for feature selection in bulk RNAseq data is proposed. Two datasets are investigated arising from mouse host immune response to Salmonella infection. Data is collected from several strains of collaborative cross mice. Samples from the spleen and liver serve as the two domains. Several machine learning experiments are conducted and the small subset of discriminative across domains features have been extracted in each case. The algorithm proves viable and underlines the benefits of across domain feature selection by extracting new subset of discriminative features which couldn't be extracted only by one-domain approach.
Abstract（参考訳）: 本稿では,バルクRNASeqデータの特徴選択のためのマルチドメインマルチタスクアルゴリズムを提案する。サルモネラ感染に対するマウス宿主免疫反応から生じる2つのデータセットについて検討した。データは、いくつかのコラボレーティブ・クロスマウスから収集される。脾臓と肝臓のサンプルは2つのドメインとして機能する。いくつかの機械学習実験が実施され、各ケースにおいて、ドメイン間の識別の小さなサブセットが抽出された。このアルゴリズムは、一つのドメインアプローチでのみ抽出できない差別的特徴の新たなサブセットを抽出することで、ドメイン機能選択のメリットを証明し、下支えする。

関連論文リスト

RaffeSDG: Random Frequency Filtering enabled Single-source Domain Generalization for Medical Image Segmentation [41.50001361938865]
ディープラーニングモデルは、ソースとターゲットデータの間にドメインシフトがある場合、正確な推論を行う際の課題に直面することが多い。単一ソース領域一般化アルゴリズム(RaffeSDG)を提案する。 RaffeSDGは、単一ソースドメインでトレーニングされたセグメンテーションモデルで、堅牢なドメイン外推論を約束する。
論文参考訳（メタデータ） (2024-05-02T12:13:00Z)
A robust multi-domain network for short-scanning amyloid PET reconstruction [0.18750851274087485]
本稿では,低品質なアミロイドPET画像の短時間での復元を目的とした,堅牢なマルチドメインネットワークを提案する。提案手法は,複数のドメインから抽出した短距離(2分)および標準20分(20分)のPET画像のペアをトレーニングする。
論文参考訳（メタデータ） (2023-05-17T06:31:10Z)
Robust Domain Adaptive Object Detection with Unified Multi-Granularity Alignment [59.831917206058435]
ドメイン適応検出は、ターゲットドメイン上の検出器の一般化を改善することを目的としている。近年のアプローチは、異なる粒度の特徴アライメントを通じて、逆学習を通じてドメイン適応を実現する。ドメイン不変な特徴学習のための統合多重粒度アライメント(MGA)に基づく検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-01-01T08:38:07Z)
Multi-task Bias-Variance Trade-off Through Functional Constraints [102.64082402388192]
マルチタスク学習は、多様なタスクによく機能する関数の集合を取得することを目的としている。本稿では,2つの極端な学習シナリオ,すなわちすべてのタスクに対する単一関数と,他のタスクを無視するタスク固有関数から直感を抽出する。本稿では,集中関数に対するドメイン固有解を強制する制約付き学習定式化を導入する。
論文参考訳（メタデータ） (2022-10-27T16:06:47Z)
Multi-Source Domain Adaptation for Object Detection [52.87890831055648]
我々は、Divide-and-Merge Spindle Network (DMSN)と呼ばれる、より高速なR-CNNベースのフレームワークを提案する。 DMSNはドメイン非ネイティブを同時に強化し、識別力を維持することができる。擬似目標部分集合の最適パラメータを近似する新しい擬似学習アルゴリズムを開発した。
論文参考訳（メタデータ） (2021-06-30T03:17:20Z)
Double-matched matrix decomposition for multi-view data [0.6091702876917281]
一致したサンプルから異なるソースから収集されたデータである多視点データから,関節信号と個別信号の抽出の問題を考える。提案する二重整合行列分解は, 被験者間の結合信号と個別信号の同時抽出を可能にする。本手法をイングランド・プレミアリーグのサッカーの試合のデータに適用し、ドメイン固有の知識に合わせた共同および個別のマルチビュー信号を見つける。
論文参考訳（メタデータ） (2021-05-07T17:09:57Z)
Domain Adaptation for Learning Generator from Paired Few-Shot Data [72.04430033118426]
十分なソースデータと少数のターゲットデータを持つジェネレータを学習するためのペアドフェーショットGAN(PFS-GAN)モデルを提案する。提案手法は,複数のベースラインと比較して,より多様性の高い生成対象ドメインデータに対して,定量的,定性的な結果が得られる。
論文参考訳（メタデータ） (2021-02-25T10:11:44Z)
Adversarial Dual Distinct Classifiers for Unsupervised Domain Adaptation [67.83872616307008]
Unversarial Domain adaptation (UDA)は、異なる分散されたラベル付きソースドメインから学習モデルを構築することで、ラベルなしのターゲットサンプルを認識しようとする。本稿では,タスク固有のカテゴリ境界に一致するソースとターゲット領域のデータ分布を同時に整合させる新しいアドリラルデュアル・ディスタンス・ネットワーク(AD$2$CN)を提案する。具体的には、ドメイン不変の特徴発生器を利用して、識別的クロスドメインアライメントのガイダンスにより、ソースとターゲットデータを潜在共通空間に埋め込む。
論文参考訳（メタデータ） (2020-08-27T01:29:10Z)
MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。