論文の概要: Variational phylogenetic inference with products over bipartitions
- arxiv url: http://arxiv.org/abs/2502.15110v1
- Date: Fri, 21 Feb 2025 00:06:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-24 16:10:27.182530
- Title: Variational phylogenetic inference with products over bipartitions
- Title(参考訳): 産出物と二分詞の変異系統推定
- Authors: Evan Sidrow, Alexandre Bouchard-Côté, Lloyd T. Elliott,
- Abstract要約: 単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。
我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
- 参考スコア(独自算出の注目度): 48.2982114295171
- License:
- Abstract: Bayesian phylogenetics requires accurate and efficient approximation of posterior distributions over trees. In this work, we develop a variational Bayesian approach for ultrametric phylogenetic trees. We present a novel variational family based on coalescent times of a single-linkage clustering and derive a closed-form density of the resulting distribution over trees. Unlike existing methods for ultrametric trees, our method performs inference over all of tree space, it does not require any Markov chain Monte Carlo subroutines, and our variational family is differentiable. Through experiments on benchmark genomic datasets and an application to SARS-CoV-2, we demonstrate that our method achieves competitive accuracy while requiring significantly fewer gradient evaluations than existing state-of-the-art techniques.
- Abstract(参考訳): ベイズ系統学は、木上の後方分布の正確かつ効率的な近似を必要とする。
本研究では,超音速系統樹に対する変分ベイズ的アプローチを開発した。
単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。
超測度木に対する既存の方法とは異なり、我々の手法はすべての木空間にわたって推論を行うが、マルコフ連鎖モンテカルロのサブルーチンは不要であり、我々の変分族は微分可能である。
ベンチマークゲノミクスデータセットの実験とSARS-CoV-2の適用により,本手法は既存の最先端技術よりもかなり低い勾配評価を必要としながら,競争精度を達成できることが実証された。
関連論文リスト
- A New Formulation of Lipschitz Constrained With Functional Gradient Learning for GANs [52.55025869932486]
本稿では,大規模データセット上でGAN(Generative Adversarial Networks)のトレーニングを行うための有望な代替手法を提案する。
本稿では,GANの学習を安定させるために,Lipschitz-Constrained Functional Gradient GANs Learning (Li-CFG)法を提案する。
判別器勾配のノルムを増大させることにより、潜在ベクトルの近傍サイズを小さくすることができることを示す。
論文 参考訳(メタデータ) (2025-01-20T02:48:07Z) - 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) - Variational Bayesian Phylogenetic Inference with Semi-implicit Branch Length Distributions [6.553961278427792]
本稿では,グラフニューラルネットワークを用いた半単純階層分布に基づく分岐長変動後続の柔軟な系を提案する。
この構造は単純置換同変分布を出力するので、ユークリッドでない枝長空間を異なる木位相で容易に扱えることを示す。
論文 参考訳(メタデータ) (2024-08-09T13:29:08Z) - Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。
異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文 参考訳(メタデータ) (2024-04-24T09:04:36Z) - 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) - Improved Variational Bayesian Phylogenetic Inference using Mixtures [4.551386476350572]
VBPI-Mixturesは系統後部分布の精度を高めるために設計されたアルゴリズムである。
VBPI-Mixturesは、VBPIがモデル化に失敗するツリートポロジー上の分布をキャプチャできる。
論文 参考訳(メタデータ) (2023-10-02T07:18:48Z) - Bayesian learning of Causal Structure and Mechanisms with GFlowNets and Variational Bayes [51.84122462615402]
本研究では,変分ベイズ-DAG-GFlowNetを用いて因果モデルの構造と機構を学習する手法を提案する。
我々は,GFlowNetを用いたベイズ因果構造学習の手法を拡張し,線形ガウスモデルのパラメータを学習する。
論文 参考訳(メタデータ) (2022-11-04T21:57:39Z) - A Variational Approach to Bayesian Phylogenetic Inference [7.251627034538359]
ベイズ系統解析のための変分フレームワークを提案する。
我々はマルコフ勾配法による変分近似を訓練し、連続的および離散的な変分パラメータに対する推定器を採用する。
実データ系統推定問題に対するベンチマーク実験により,本手法の有効性と有効性を示す。
論文 参考訳(メタデータ) (2022-04-16T08:23:48Z) - Adaptive Bayesian Sum of Trees Model for Covariate Dependent Spectral
Analysis [0.4551615447454768]
提案手法は、複雑な依存関係と相互作用を捉えるために、木モデルのベイズ和を用いる。
木内の終端ノードに対応する局所パワースペクトルを非パラメトリックに推定する。
この方法は、ストライド間隔時系列の年齢に伴うパワースペクトルの変化を評価することにより、幼児の歩行成熟度を調べるために用いられる。
論文 参考訳(メタデータ) (2021-09-29T19:25:10Z)
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。