論文の概要: Siamese networks for Poincaré embeddings and the reconstruction of evolutionary trees
- arxiv url: http://arxiv.org/abs/2410.07387v1
- Date: Wed, 9 Oct 2024 19:10:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 20:47:00.238609
- Title: Siamese networks for Poincaré embeddings and the reconstruction of evolutionary trees
- Title(参考訳): ポアンカレ埋没体のシームズネットワークと進化樹の復元
- Authors: Ciro Carvallo, Hernán Bocaccio, Gabriel B. Mindlin, Pablo Groisman,
- Abstract要約: 本研究では,鳥の鳴き声スペクトログラムを用いた高次元データから進化木を再構成する手法を提案する。
提案手法は2つの主要な要素を組み合わす: 次元減少と距離計算のためのPoincarの埋め込みと、木再構築のための隣接する結合アルゴリズムである。
- 参考スコア(独自算出の注目度): 1.5624421399300303
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a method for reconstructing evolutionary trees from high-dimensional data, with a specific application to bird song spectrograms. We address the challenge of inferring phylogenetic relationships from phenotypic traits, like vocalizations, without predefined acoustic properties. Our approach combines two main components: Poincar\'e embeddings for dimensionality reduction and distance computation, and the neighbor joining algorithm for tree reconstruction. Unlike previous work, we employ Siamese networks to learn embeddings from only leaf node samples of the latent tree. We demonstrate our method's effectiveness on both synthetic data and spectrograms from six species of finches.
- Abstract(参考訳): 本研究では,鳥の鳴き声スペクトログラムを用いた高次元データから進化木を再構成する手法を提案する。
本研究では, 事前に定義された音響特性を伴わずに, 発声などの表現型特徴から系統的関係を推定することの課題に対処する。
提案手法は,次元の縮小と距離計算のためのPoincar\'e埋め込みと,木再構築のための近傍結合アルゴリズムを組み合わせた。
従来の研究とは異なり、潜木葉ノードサンプルのみから埋め込みを学習するために、Siameseネットワークを使用している。
6種のフィンチから得られた合成データと分光値の両方に対して,本手法の有効性を実証した。
関連論文リスト
- PhyloGen: Language Model-Enhanced Phylogenetic Inference via Graph Structure Generation [50.80441546742053]
系統樹は種間の進化的関係を解明する。
伝統的なマルコフ連鎖モンテカルロ法は、緩やかな収束と計算上の負担に直面している。
我々は、事前学習されたゲノム言語モデルを活用する新しい方法であるPhyloGenを提案する。
論文 参考訳(メタデータ) (2024-12-25T08:33:05Z) - Tree-D Fusion: Simulation-Ready Tree Dataset from Single Images with Diffusion Priors [20.607290376199813]
我々は,600,000の環境に配慮した3次元シミュレーション対応ツリーモデルの最初のコレクションを特徴とするツリーD融合について紹介する。
再構成された各3Dツリーモデルは、GoogleのAuto Arboristデータセットの画像に対応する。
本手法は,木種を特定するためのテキストプロンプトを利用して,2種類の木適応拡散モデルのスコアを蒸留する。
論文 参考訳(メタデータ) (2024-07-14T20:56:07Z) - PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。
GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。
我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
論文 参考訳(メタデータ) (2023-10-12T23:46:08Z) - CherryPicker: Semantic Skeletonization and Topological Reconstruction of
Cherry Trees [3.8697834534260447]
木々の測光点雲を再構築する自動パイプラインであるCherryPickerを紹介する。
本システムでは, 3D 植物表現型アプリケーションにおいて, 自動処理を実現するために, 最先端のアルゴリズムを組み合わせている。
論文 参考訳(メタデータ) (2023-04-10T16:54:05Z) - Occlusion Reasoning for Skeleton Extraction of Self-Occluded Tree
Canopies [5.368313160283353]
ツリースケルトンは、トポロジカル構造をコンパクトに記述し、有用な情報を含む。
本手法では, 可視幹, 枝, かつらを検出するために, インスタンスセグメンテーションネットワークを用いる。
本手法は,高度に隠蔽されたシーンにおいて,ベースライン法よりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-01-20T01:46:07Z) - TreeMix: Compositional Constituency-based Data Augmentation for Natural
Language Understanding [56.794981024301094]
自然言語理解のための合成データ拡張手法であるTreeMixを提案する。
具体的には、TreeMixは、選択構文解析木を利用して、文章を構成要素のサブ構造に分解し、ミックスアップデータ拡張技術を使って、それらを再結合して新しい文を生成する。
従来のアプローチと比較して、TreeMixは生成されたサンプルにより多様性を導入し、NLPデータの合成性を学ぶようモデルに促している。
論文 参考訳(メタデータ) (2022-05-12T15:25:12Z) - Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。
例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。
本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
論文 参考訳(メタデータ) (2021-03-22T14:32:44Z) - Visualizing hierarchies in scRNA-seq data using a density tree-biased
autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。
次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文 参考訳(メタデータ) (2021-02-11T08:48:48Z) - Robust estimation of tree structured models [0.0]
ノイズの多い二分データから、可能な木の小さな等価クラスまで、木を復元できることが示される。
また、Chow-Liuアルゴリズムがノイズデータから根本木を継続的に学習する際の特徴付けも提供する。
論文 参考訳(メタデータ) (2021-02-10T14:58:40Z) - Tensor Decompositions in Recursive Neural Networks for Tree-Structured
Data [12.069862650316262]
木構造データから構造知識を符号化する2つの新しい集約関数を導入する。
2つの木分類タスクでテストを行い、木外度が増加する場合に提案したモデルの利点を示す。
論文 参考訳(メタデータ) (2020-06-18T15:40:32Z) - Linguistically Driven Graph Capsule Network for Visual Question
Reasoning [153.76012414126643]
我々は「言語的に駆動されるグラフカプセルネットワーク」と呼ばれる階層的構成推論モデルを提案する。
具体的には,各カプセルを最下層に結合させ,元の質問に1つの単語を埋め込んだ言語的埋め込みを視覚的証拠で橋渡しする。
CLEVRデータセット、CLEVR合成生成テスト、およびFinalQAデータセットの実験は、我々のエンドツーエンドモデルの有効性と構成一般化能力を示す。
論文 参考訳(メタデータ) (2020-03-23T03:34:25Z)
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。