Fugu-MT 論文翻訳(概要): Hyperedge Representations with Hypergraph Wavelets: Applications to Spatial Transcriptomics

論文の概要: Hyperedge Representations with Hypergraph Wavelets: Applications to Spatial Transcriptomics

arxiv url: http://arxiv.org/abs/2409.09469v1
Date: Sat, 14 Sep 2024 15:33:37 GMT
ステータス: 処理完了
システム内更新日: 2024-09-17 20:37:27.367385
Title: Hyperedge Representations with Hypergraph Wavelets: Applications to Spatial Transcriptomics
Title（参考訳）: ハイパーグラフウェーブレットを用いたハイパーエッジ表現:空間転写学への応用
Authors: Xingzhi Sun, Charles Xu, João F. Rocha, Chen Liu, Benjamin Hollander-Bodie, Laney Goldman, Marcello DiStasio, Michael Perlmutter, Smita Krishnaswamy,
Abstract要約: ハイパーグラフ拡散ウェーブレットを導入し,そのスペクトル特性と空間特性について述べる。本手法をアルツハイマー病の病原性ニッチの表現に適用することにより, 空間的に解決された転写学におけるバイオメディカル発見の有用性を実証する。
参考スコア（独自算出の注目度）: 8.48009278760499
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many data-driven applications, higher-order relationships among multiple objects are essential in capturing complex interactions. Hypergraphs, which generalize graphs by allowing edges to connect any number of nodes, provide a flexible and powerful framework for modeling such higher-order relationships. In this work, we introduce hypergraph diffusion wavelets and describe their favorable spectral and spatial properties. We demonstrate their utility for biomedical discovery in spatially resolved transcriptomics by applying the method to represent disease-relevant cellular niches for Alzheimer's disease.
Abstract（参考訳）: 多くのデータ駆動アプリケーションにおいて、複数のオブジェクト間の高次関係は複雑な相互作用を捉えるのに不可欠である。グラフを一般化するハイパーグラフは、エッジが任意のノードを接続できるようにすることで、高次関係をモデル化するための柔軟で強力なフレームワークを提供する。本研究では,ハイパーグラフ拡散ウェーブレットを導入し,そのスペクトル特性と空間特性について述べる。本手法をアルツハイマー病の病原性ニッチの表現に適用することにより, 空間的に解決された転写学におけるバイオメディカル発見の有用性を実証する。

関連論文リスト

HYGENE: A Diffusion-based Hypergraph Generation Method [6.997955138726617]
本稿では, 局所展開の進展による課題に対処する拡散型ハイパーグラフ生成(HYGENE)手法を提案する。実験では、ハイジェネの有効性を示し、ハイパーグラフの様々な特性を忠実に模倣する能力を示した。
論文参考訳（メタデータ） (2024-08-29T11:45:01Z)
Hypergraph Transformer for Semi-Supervised Classification [50.92027313775934]
我々は新しいハイパーグラフ学習フレームワークHyperGraph Transformer(HyperGT)を提案する。 HyperGTはTransformerベースのニューラルネットワークアーキテクチャを使用して、すべてのノードとハイパーエッジのグローバル相関を効果的に検討する。局所接続パターンを保ちながら、グローバルな相互作用を効果的に組み込むことで、包括的なハイパーグラフ表現学習を実現する。
論文参考訳（メタデータ） (2023-12-18T17:50:52Z)
Combinatorial Complexes: Bridging the Gap Between Cell Complexes and Hypergraphs [18.793940779717627]
ハイパーグラフとセルコンプレックスは,アプリケーションコンテキストによって異なる実用性を持つような,多彩な関係性を重視している,と我々は主張する。これら2つの選択の相対的な利点について論じ、既存の集合型および階層的関係の共存を可能にする複素体の概念について詳述する。
論文参考訳（メタデータ） (2023-12-15T03:04:28Z)
Sheaf Hypergraph Networks [10.785525697855498]
本稿では,従来のハイパーグラフに余分な構造を加える数学的構造であるハイパーグラフのセルシーブを紹介する。文献中の既存のラプラシアンからインスピレーションを得て、我々は2つの独特なシェフハイパーグラフラプラシアンの定式化を開発した。我々は、これらの層ハイパーグラフラプラシアンを用いて、層ハイパーグラフニューラルネットワークと層ハイパーグラフ畳み込みニューラルネットワークの2つのモデルのカテゴリを設計する。
論文参考訳（メタデータ） (2023-09-29T10:25:43Z)
SHINE: SubHypergraph Inductive Neural nEtwork [5.9952530228468754]
ハイパーグラフニューラルネットワークは、グラフのノード間のマルチウェイ接続をモデル化することができる。現実世界のアプリケーションにおいて、サブグラフの強力な表現を学ぶには、未完成の必要性がある。本稿では,精度の高いインダクティブサブグラフ予測のためのSubHypergraph Inductive Neural nEtwork(SHINE)を提案する。
論文参考訳（メタデータ） (2022-10-13T19:26:09Z)
Augmentations in Hypergraph Contrastive Learning: Fabricated and Generative [126.0985540285981]
我々は、ハイパーグラフニューラルネットワークの一般化性を改善するために、画像/グラフからの対照的な学習アプローチ(ハイパーGCLと呼ぶ)を適用する。我々は、高次関係を符号化したハイパーエッジを増大させる2つのスキームを作成し、グラフ構造化データから3つの拡張戦略を採用する。拡張ビューを生成するためのハイパーグラフ生成モデルを提案し、次に、ハイパーグラフ拡張とモデルパラメータを協調的に学習するエンド・ツー・エンドの微分可能なパイプラインを提案する。
論文参考訳（メタデータ） (2022-10-07T20:12:20Z)
Hyperbolic Graph Neural Networks: A Review of Methods and Applications [55.5502008501764]
グラフニューラルネットワークは、従来のニューラルネットワークをグラフ構造化データに一般化する。グラフ関連学習におけるユークリッドモデルの性能は、ユークリッド幾何学の表現能力によって依然として制限されている。近年,木のような構造を持つグラフデータ処理や,ゆるい分布の処理において,双曲空間が人気が高まっている。
論文参考訳（メタデータ） (2022-02-28T15:08:48Z)
Adaptive Neural Message Passing for Inductive Learning on Hypergraphs [21.606287447052757]
本稿では,新しいハイパーグラフ学習フレームワークHyperMSGを紹介する。各ノードの次数集中度に関連する注意重みを学習することで、データとタスクに適応する。堅牢で、幅広いタスクやデータセットで最先端のハイパーグラフ学習手法より優れています。
論文参考訳（メタデータ） (2021-09-22T12:24:02Z)
Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
論文参考訳（メタデータ） (2021-06-26T06:24:51Z)
Learning Multi-Granular Hypergraphs for Video-Based Person Re-Identification [110.52328716130022]
ビデオベースの人物識別(re-ID)はコンピュータビジョンにおいて重要な研究課題である。 MGH(Multi-Granular Hypergraph)という新しいグラフベースのフレームワークを提案する。 MARSの90.0%のトップ-1精度はMGHを用いて達成され、最先端のスキームよりも優れていた。
論文参考訳（メタデータ） (2021-04-30T11:20:02Z)
Hyperbolic Graph Embedding with Enhanced Semi-Implicit Variational Inference [48.63194907060615]
半単純グラフ変分自動エンコーダを用いて,低次元グラフ潜在表現における高次統計量を取得する。我々は、階層構造を示すグラフを効率的に表現するために、ポインケア埋め込みを通して潜在空間に双曲幾何学を組み込む。
論文参考訳（メタデータ） (2020-10-31T05:48:34Z)

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。