論文の概要: Subsampling, aligning, and averaging to find circular coordinates in recurrent time series

• arxiv url: http://arxiv.org/abs/2412.18515v1
• Date: Tue, 24 Dec 2024 15:52:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:56:03.094757
• Title: Subsampling, aligning, and averaging to find circular coordinates in recurrent time series
• Title（参考訳）: リカレント時系列における円座標を見つけるためのサブサンプリング, 整列, 平均化
• Authors: Andrew J. Blumberg, Mathieu Carrière, Jun Hou Fung, Michael A. Mandell,
• Abstract要約: そこで本研究では,再現性を示すと期待されるデータに対して,ロバストな円座標を求めるアルゴリズムを提案する。 本手法は, 合成データセットと神経活動記録の両方で検証する。
• 参考スコア（独自算出の注目度）: 3.8214695776749013
• License:
• Abstract: We introduce a new algorithm for finding robust circular coordinates on data that is expected to exhibit recurrence, such as that which appears in neuronal recordings of C. elegans. Techniques exist to create circular coordinates on a simplicial complex from a dimension 1 cohomology class, and these can be applied to the Rips complex of a dataset when it has a prominent class in its dimension 1 cohomology. However, it is known this approach is extremely sensitive to uneven sampling density. Our algorithm comes with a new method to correct for uneven sampling density, adapting our prior work on averaging coordinates in manifold learning. We use rejection sampling to correct for inhomogeneous sampling and then apply Procrustes matching to align and average the subsamples. In addition to providing a more robust coordinate than other approaches, this subsampling and averaging approach has better efficiency. We validate our technique on both synthetic data sets and neuronal activity recordings. Our results reveal a topological model of neuronal trajectories for C. elegans that is constructed from loops in which different regions of the brain state space can be mapped to specific and interpretable macroscopic behaviors in the worm.
• Abstract（参考訳）: 線虫C. elegansの神経記録に現れるような、再発が期待されるデータに基づいて、ロバストな円座標を求める新しいアルゴリズムを提案する。 次元 1 のコホモロジークラスから単体複体上の円座標を作成する技術があり、次元 1 のコホモロジーに顕著なクラスを持つとき、データセットのリップス複体に適用することができる。 しかし、このアプローチは不均一サンプリング密度に非常に敏感であることが知られている。 我々のアルゴリズムは、不均一なサンプリング密度を補正する新しい方法を備えており、多様体学習における座標の平均化に関するこれまでの研究に適応している。 不均一なサンプリングを補正するためにリジェクションサンプリングを使用し、次にProcrustesマッチングを適用してサブサンプルの整合と平均化を行う。 他のアプローチよりも堅牢な座標を提供するのに加えて、このサブサンプリングと平均化アプローチは効率が良い。 本手法は, 合成データセットと神経活動記録の両方で検証する。 本研究により, 線虫C. elegansの神経軌跡のトポロジカルモデルが得られた。

関連論文リスト

• Resampling and averaging coordinates on data [1.660242118349614]
  点雲上の固有座標を頑健に計算するアルゴリズムを導入する。 候補座標の集合をクラスタリングし、位相データ解析から形状記述子を用いて代表埋め込みのサブセットを同定する。 最終的な出力は、一般化されたProcrustes解析を用いて代表埋め込みの平均として得られる埋め込みである。
  論文  参考訳（メタデータ） (2024-08-02T16:37:33Z)
• Circular Clustering with Polar Coordinate Reconstruction [6.598049778463762]
  伝統的なクラスタリングアルゴリズムは、周期成分の違いを区別する能力が限られているため、しばしば不十分である。 そこで本研究では,円筒座標系への射影を利用した新たな解析フレームワークを提案し,偏座標系における物体の表現性を向上する。 我々のアプローチは一般に適用可能であり、ほとんどの最先端のクラスタリングアルゴリズムに組み込むことができる。
  論文  参考訳（メタデータ） (2023-09-15T20:56:01Z)
• Samplet basis pursuit: Multiresolution scattered data approximation with sparsity constraints [0.0]
  我々は,$ell_1$-regularization を用いたサンプルト座標における分散データ近似について検討する。 Riesz isometry を用いて、標本を再現されたカーネルヒルベルト空間に埋め込む。 組込みサンプルベースに対してスパースな信号のクラスは、カーネル翻訳の基盤に関してスパースな信号のクラスよりもかなり大きいと論じる。
  論文  参考訳（メタデータ） (2023-06-16T21:20:49Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Manifold learning-based polynomial chaos expansions for high-dimensional surrogate models [0.0]
  システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。 提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
  論文  参考訳（メタデータ） (2021-07-21T00:24:15Z)
• SGD with Coordinate Sampling: Theory and Practice [0.0]
  MUSKETEERは大規模問題に対する適応勾配降下アルゴリズムである。 ノイズ勾配上で最も座標座標をサンプリングし、一方向に沿って動き、座標が大幅に減少する。 合成データと実データの両方に関する数値実験により,大規模問題におけるMUSKETEERの有効性が確認された。
  論文  参考訳（メタデータ） (2021-05-25T10:37:50Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Improving Generative Adversarial Networks with Local Coordinate Coding [150.24880482480455]
  GAN(Generative Adversarial Network)は、事前定義された事前分布から現実的なデータを生成することに成功している。 実際には、意味情報はデータから学んだ潜在的な分布によって表現される。 ローカル座標符号化(LCC)を用いたLCCGANモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-28T09:17:50Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
  カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。 我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
  論文  参考訳（メタデータ） (2020-04-23T05:00:21Z)
• Learning to Optimize Non-Rigid Tracking [54.94145312763044]
  我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。 まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。 次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
  論文  参考訳（メタデータ） (2020-03-27T04:40:57Z)

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。