論文の概要: Hierarchical Gradient-Based Genetic Sampling for Accurate Prediction of Biological Oscillations
- arxiv url: http://arxiv.org/abs/2409.12816v1
- Date: Thu, 19 Sep 2024 14:41:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 13:23:33.506395
- Title: Hierarchical Gradient-Based Genetic Sampling for Accurate Prediction of Biological Oscillations
- Title（参考訳）: 生物学的振動の正確な予測のための階層的勾配に基づく遺伝的サンプリング
- Authors: Heng Rao, Yu Gu, Jason Zipeng Zhang, Ge Yu, Yang Cao, Minghan Chen,
- Abstract要約: 生体振動に対するニューラルネットワーク予測の精度を向上させる階層的勾配に基づく遺伝的サンプリング(HGGS)フレームワークを提案する。
実験の結果,HGGSは4つの生体系において7つの比較サンプリング法より優れていた。
- 参考スコア（独自算出の注目度）: 9.878543792741151
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biological oscillations are periodic changes in various signaling processes crucial for the proper functioning of living organisms. These oscillations are modeled by ordinary differential equations, with coefficient variations leading to diverse periodic behaviors, typically measured by oscillatory frequencies. This paper explores sampling techniques for neural networks to model the relationship between system coefficients and oscillatory frequency. However, the scarcity of oscillations in the vast coefficient space results in many samples exhibiting non-periodic behaviors, and small coefficient changes near oscillation boundaries can significantly alter oscillatory properties. This leads to non-oscillatory bias and boundary sensitivity, making accurate predictions difficult. While existing importance and uncertainty sampling approaches partially mitigate these challenges, they either fail to resolve the sensitivity problem or result in redundant sampling. To address these limitations, we propose the Hierarchical Gradient-based Genetic Sampling (HGGS) framework, which improves the accuracy of neural network predictions for biological oscillations. The first layer, Gradient-based Filtering, extracts sensitive oscillation boundaries and removes redundant non-oscillatory samples, creating a balanced coarse dataset. The second layer, Multigrid Genetic Sampling, utilizes residual information to refine these boundaries and explore new high-residual regions, increasing data diversity for model training. Experimental results demonstrate that HGGS outperforms seven comparative sampling methods across four biological systems, highlighting its effectiveness in enhancing sampling and prediction accuracy.
- Abstract（参考訳）: 生物学的振動は、生物の適切な機能に不可欠な様々なシグナル伝達過程における周期的な変化である。
これらの振動は通常の微分方程式によってモデル化され、振動周波数によって測定される様々な周期的な振舞いにつながる係数の変動を伴う。
本稿では,システム係数と振動周波数の関係をモデル化するためのニューラルネットワークのサンプリング手法について検討する。
しかし、大きな係数空間における発振の不足は、非周期的な挙動を示す多くのサンプルをもたらし、発振境界付近での小さな係数変化は発振特性を著しく変化させる。
これは非振動バイアスと境界感度をもたらし、正確な予測を困難にする。
既存の重要度と不確実性サンプリングアプローチはこれらの課題を部分的に緩和するが、感度の問題の解決に失敗するか、冗長サンプリングに失敗する。
これらの制約に対処するため,階層的勾配に基づく遺伝的サンプリング(HGGS)フレームワークを提案し,生体振動に対するニューラルネットワーク予測の精度を向上させる。
最初のレイヤであるグラディエントベースのフィルタリングは、感度の高い発振境界を抽出し、冗長な非振動サンプルを除去し、バランスの取れた粗いデータセットを生成する。
第2のレイヤであるMultigrid Genetic Smplingは、これらの境界を洗練し、新しい高残留領域を探索するために残留情報を利用する。
実験の結果,HGGSは4つの生体系において7つの比較サンプリング法より優れており,サンプリングと予測精度の向上に有効であることが示唆された。
関連論文リスト
- Nonlinear spectral analysis extracts harmonics from land-atmosphere fluxes [1.1124588036301815]
CO$の土地・大気交換のダイナミクスは、気候・炭素フィードバックシステムの予測能力を高める鍵となる。
本稿では,非線形データ駆動手法が周期パターンと高調波をノイズと可変性から分離できるかどうかを考察する。
ラプラシアンスペクトル解析(NLSA)は線形法より優れ、複数の関連する高調波を検出する。
論文 参考訳（メタデータ） (2024-07-27T11:51:34Z) - REAL Sampling: Boosting Factuality and Diversity of Open-Ended Generation via Asymptotic Entropy [93.8400683020273]
大規模言語モデル(LLM)の復号法は通常、事実性の確保と多様性の維持のトレードオフに苦慮する。
核サンプリングにおける事実性および多様性を向上させる復号法であるREALサンプリングを提案する。
論文 参考訳（メタデータ） (2024-06-11T21:44:49Z) - Benchmarking bosonic modes for quantum information with randomized displacements [0.0]
本稿では,位相空間におけるボソニックモードのランダムな変位を利用したボソニックランダム化ベンチマークプロトコルについて述べる。
捕捉されたイオン系の運動モードに工学的ノイズを注入することにより解析モデルを実験的に検証する。
最後に,本システムにおける固有誤差特性について検討し,高相関雑音の存在を支配的過程として同定した。
論文 参考訳（メタデータ） (2024-05-24T06:00:05Z) - Differentiable and Stable Long-Range Tracking of Multiple Posterior Modes [1.534667887016089]
我々は、学習データを活用し、潜在対象状態における不確実性の粒子ベース表現を識別的に学習する。
提案手法は精度を劇的に向上すると同時に,複数のトレーニング実行における安定性も向上する。
論文 参考訳（メタデータ） (2024-04-12T19:33:52Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-11T10:10:16Z) - Generative adversarial wavelet neural operator: Application to fault
detection and isolation of multivariate time series data [3.265784083548797]
本稿では,障害検出と分離のための新しい教師なし深層学習手法として,GAWNO(Generative Adversarial Wavelet Neural operator)を提案する。
最初の段階では、GAWNOは通常の運用条件のデータセットに基づいてトレーニングされ、基礎となるデータ分布を学習する。
第2段階では, 差分値に基づいて故障を検出し, 分離するために, 再構成誤差に基づくしきい値法を用いる。
論文 参考訳（メタデータ） (2024-01-08T16:36:47Z) - Doubly Stochastic Models: Learning with Unbiased Label Noises and
Inference Stability [85.1044381834036]
勾配降下のミニバッチサンプリング設定におけるラベル雑音の暗黙的正則化効果について検討した。
そのような暗黙的正則化器は、パラメータの摂動に対してモデル出力を安定化できる収束点を好んでいる。
我々の研究は、SGDをオルンシュタイン-ウレンベック類似の過程とはみなせず、近似の収束によってより一般的な結果を得る。
論文 参考訳（メタデータ） (2023-04-01T14:09:07Z) - Autonomous coherence protection of a two-level system in a fluctuating
environment [68.8204255655161]
我々は、もともと、相互作用しない2レベルシステム(量子ビット)のアンサンブルから静的ドップラー拡大の効果を取り除くことを意図したスキームを再検討する。
このスキームははるかに強力であり、時間と空間に依存するノイズから単一(あるいはアンサンブル)量子ビットのエネルギーレベルを保護できることを示した。
論文 参考訳（メタデータ） (2023-02-08T01:44:30Z) - Neural Lagrangian Schr\"odinger bridge [25.157282476221482]
連続正規化流(CNF)と動的最適輸送を用いた人口動態について検討した。
ラグランジアン・シュル・オーディンガー橋(LSB)問題を定式化し、正規化を伴うニューラルSDEを用いて解くことを提案する。
LSB問題に対する我々の解法は,人口レベルでのダイナミクスを近似できることを示す。
論文 参考訳（メタデータ） (2022-04-11T03:32:17Z) - Diverse Sample Generation: Pushing the Limit of Data-free Quantization [85.95032037447454]
本稿では,データ不要なポストトレーニング量子化と量子化学習のための汎用的な2次サンプル生成手法を提案する。
大規模な画像分類タスクでは、DSGは既存のデータ自由量子化手法より一貫して優れている。
論文 参考訳（メタデータ） (2021-09-01T07:06:44Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z)
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。