論文の概要: DeepNose: An Equivariant Convolutional Neural Network Predictive Of Human Olfactory Percepts
- arxiv url: http://arxiv.org/abs/2412.08747v1
- Date: Wed, 11 Dec 2024 19:35:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 13:34:27.654257
- Title: DeepNose: An Equivariant Convolutional Neural Network Predictive Of Human Olfactory Percepts
- Title(参考訳): DeepNose: 人間の嗅覚を予測できる同変畳み込みニューラルネットワーク
- Authors: Sergey Shuvaev, Khue Tran, Khristina Samoilova, Cyrille Mascart, Alexei Koulakov,
- Abstract要約: 我々は、意味的データセットから人間の知覚を予測するために畳み込みニューラルネットワーク(CNN)を訓練する。
我々のネットワークは、異なる嗅覚データセットに対して高忠実度知覚予測を提供する。
我々は,DeepNoseネットワークが3次元分子形状を用いて,人間の嗅覚に対する高品質な予測を生成できることを提案する。
- 参考スコア(独自算出の注目度): 0.9187505256430946
- License:
- Abstract: The olfactory system employs responses of an ensemble of odorant receptors (ORs) to sense molecules and to generate olfactory percepts. Here we hypothesized that ORs can be viewed as 3D spatial filters that extract molecular features relevant to the olfactory system, similarly to the spatio-temporal filters found in other sensory modalities. To build these filters, we trained a convolutional neural network (CNN) to predict human olfactory percepts obtained from several semantic datasets. Our neural network, the DeepNose, produced responses that are approximately invariant to the molecules' orientation, due to its equivariant architecture. Our network offers high-fidelity perceptual predictions for different olfactory datasets. In addition, our approach allows us to identify molecular features that contribute to specific perceptual descriptors. Because the DeepNose network is designed to be aligned with the biological system, our approach predicts distinct perceptual qualities for different stereoisomers. The architecture of the DeepNose relying on the processing of several molecules at the same time permits inferring the perceptual quality of odor mixtures. We propose that the DeepNose network can use 3D molecular shapes to generate high-quality predictions for human olfactory percepts and help identify molecular features responsible for odor quality.
- Abstract(参考訳): 嗅覚系は、嗅覚受容体(OR)のアンサンブルの反応を利用して、分子を感知し、嗅覚を発生させる。
そこで我々は,ORを嗅覚系に関連する分子的特徴を抽出する3次元空間フィルタとみなすことができると仮定した。
これらのフィルタを構築するために、いくつかのセマンティックデータセットから得られた人間の嗅覚知覚を予測するために、畳み込みニューラルネットワーク(CNN)を訓練した。
私たちのニューラルネットワークであるDeepNoseは、分子の配向にほぼ不変な応答を生成しました。
我々のネットワークは、異なる嗅覚データセットに対して高忠実度知覚予測を提供する。
さらに,本手法により,特定の知覚記述子に寄与する分子的特徴を同定することができる。
DeepNoseネットワークは生体システムと整合するように設計されているため、本手法は異なる立体異性体に対して異なる知覚品質を予測できる。
DeepNoseのアーキテクチャは、複数の分子の処理に依存すると同時に、匂いの混合物の知覚的品質を推測することができる。
我々は,DeepNoseネットワークが3次元分子形状を用いて,人間の嗅覚知覚の高品質な予測を生成でき,臭気質の原因となる分子的特徴の同定を支援することを提案する。
関連論文リスト
- Discovering Chunks in Neural Embeddings for Interpretability [53.80157905839065]
本稿では, チャンキングの原理を応用して, 人工神経集団活動の解釈を提案する。
まず、この概念を正則性を持つ人工シーケンスを訓練したリカレントニューラルネットワーク(RNN)で実証する。
我々は、これらの状態に対する摂動が関連する概念を活性化または阻害すると共に、入力における概念に対応する同様の繰り返し埋め込み状態を特定する。
論文 参考訳(メタデータ) (2025-02-03T20:30:46Z) - An Interpretable Neural Network for Vegetation Phenotyping with Visualization of Trait-Based Spectral Features [0.0]
UPWINS スペクトルライブラリーで訓練された解釈可能なニューラルネットワークで, 種, 健康, 成長段階, 年次変動, 環境条件など, 13種の指標種, 天然の共通背景種を多種多様なメタデータで分析した。
ネットワーク内のニューロンは, ネットワーク重量の可視化を通じて, 化学的および生理的特性のスペクトル指標を学習し, それらの特性が, 実験セット上で90%の精度で, 種同定のためのネットワークによってどのように結合されているかを示す。
論文 参考訳(メタデータ) (2024-07-14T21:20:37Z) - Universal neural network potentials as descriptors: Towards scalable chemical property prediction using quantum and classical computers [0.0]
本稿では,化学特性予測のための汎用記述子として,普遍的ニューラルネットワークポテンシャルの中間情報を利用する汎用的アプローチを提案する。
本稿では,M3GNet や MACE などのグラフニューラルネットワークを用いた伝達学習が,NMR の化学シフトを予測するための最先端手法に匹敵する精度を実現することを示す。
論文 参考訳(メタデータ) (2024-02-28T15:57:22Z) - Unveiling the Unseen: Identifiable Clusters in Trained Depthwise
Convolutional Kernels [56.69755544814834]
深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。
本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
論文 参考訳(メタデータ) (2024-01-25T19:05:53Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳(メタデータ) (2024-01-18T18:06:22Z) - Permutation Equivariant Neural Functionals [92.0667671999604]
この研究は、他のニューラルネットワークの重みや勾配を処理できるニューラルネットワークの設計を研究する。
隠れた層状ニューロンには固有の順序がないため, 深いフィードフォワードネットワークの重みに生じる置換対称性に着目する。
実験の結果, 置換同変ニューラル関数は多種多様なタスクに対して有効であることがわかった。
論文 参考訳(メタデータ) (2023-02-27T18:52:38Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳(メタデータ) (2022-02-01T17:11:13Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳(メタデータ) (2022-01-19T09:26:34Z) - Deep learning and high harmonic generation [0.0]
我々は,高調波発生(hhg)シナリオに適用する場合に,様々な深層ニューラルネットワーク(nns)の有用性を検討する。
まず,二原子系および三原子系の低次元モデルから時間依存双極子およびhhg放出スペクトルを予測するためにnnsを訓練する。
次に,ネットワークに適用可能性の範囲を広げるために,転送学習をネットワークに適用できることを実証する。
論文 参考訳(メタデータ) (2020-12-18T16:13:17Z)
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。