論文の概要: Bottom-up Iterative Anomalous Diffusion Detector (BI-ADD)

• arxiv url: http://arxiv.org/abs/2503.11529v1
• Date: Fri, 14 Mar 2025 15:57:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:06:20.257809
• Title: Bottom-up Iterative Anomalous Diffusion Detector (BI-ADD)
• Title（参考訳）: ボトムアップ反復拡散検出器(BI-ADD)
• Authors: Junwoo Park, Nataliya Sokolovska, Clément Cabriel, Ignacio Izeddin, Judith Miné-Hattab,
• Abstract要約: 分子軌道における変化点を同定するための新しい反復法を提案する。 この場合の軌跡は分数的なブラウン運動に従い、軌跡の拡散特性を推定する。 提案したBI-ADDは,教師なし学習法と教師なし学習法を組み合わせて,変化点を検出する。
• 参考スコア（独自算出の注目度）: 2.42570111607291
• License:
• Abstract: In recent years, the segmentation of short molecular trajectories with varying diffusive properties has drawn particular attention of researchers, since it allows studying the dynamics of a particle. In the past decade, machine learning methods have shown highly promising results, also in changepoint detection and segmentation tasks. Here, we introduce a novel iterative method to identify the changepoints in a molecular trajectory, i.e., frames, where the diffusive behavior of a particle changes. A trajectory in our case follows a fractional Brownian motion and we estimate the diffusive properties of the trajectories. The proposed BI-ADD combines unsupervised and supervised learning methods to detect the changepoints. Our approach can be used for the analysis of molecular trajectories at the individual level and also be extended to multiple particle tracking, which is an important challenge in fundamental biology. We validated BI-ADD in various scenarios within the framework of the AnDi2 Challenge 2024 dedicated to single particle tracking. Our method is implemented in Python and is publicly available for research purposes.
• Abstract（参考訳）: 近年、様々な拡散特性を持つ短い分子軌道のセグメンテーションは、粒子の動力学の研究を可能にするため、研究者の特に注目を集めている。 過去10年間で、機械学習手法は、変更点の検出やセグメンテーションタスクにおいても、非常に有望な結果を示している。 本稿では,分子軌道における変化点,すなわち粒子の拡散挙動が変化するフレームを同定するための新しい反復法を提案する。 この場合の軌跡は分数的なブラウン運動に従い、軌跡の拡散特性を推定する。 提案したBI-ADDは,教師なし学習法と教師なし学習法を組み合わせて,変化点を検出する。 本手法は, 分子軌道の解析に応用でき, また, 基礎生物学における重要な課題である複数粒子追跡にも応用できる。 我々は,単一粒子追跡に特化したAnDi2 Challenge 2024のフレームワーク内で,BI-ADDを様々なシナリオで検証した。 提案手法はPythonで実装され,研究目的で公開されている。

関連論文リスト

• Dim Small Target Detection and Tracking: A Novel Method Based on Temporal Energy Selective Scaling and Trajectory Association [8.269449428849867]
  本稿では,有効検出を実現するための時間的特徴に基づく空間的特徴と実現可能性に基づく難易度の分析を行う。 この分析により,マルチフレームを検出単位とし,時間的エネルギー選択スケーリング(TESS)に基づく検出手法を提案する。 対象画素に対して、画素を通過するターゲットは、画素によって形成される強度時間プロファイル(ITP)に弱い過渡的障害をもたらす。 適切に設計された関数を用いて、過渡的障害を増幅し、背景成分と雑音成分を抑圧し、ターゲットの軌道を多フレーム検出ユニットに出力する。
  論文  参考訳（メタデータ） (2024-05-15T03:02:21Z)
• 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)
• Learning Invariant Molecular Representation in Latent Discrete Space [52.13724532622099]
  本稿では,分散シフトに対する不変性とロバスト性を示す分子表現を学習するための新しい枠組みを提案する。 我々のモデルは、様々な分布シフトが存在する場合に、最先端のベースラインに対してより強力な一般化を実現する。
  論文  参考訳（メタデータ） (2023-10-22T04:06:44Z)
• Gramian Angular Fields for leveraging pretrained computer vision models with anomalous diffusion trajectories [0.9012198585960443]
  拡散軌跡を扱うための新しいデータ駆動手法を提案する。 この方法はグラミアン角場(GAF)を用いて1次元軌跡を画像として符号化する。 我々は、ResNetとMobileNetという、よく訓練された2つのコンピュータビジョンモデルを利用して、基礎となる拡散体制を特徴づける。
  論文  参考訳（メタデータ） (2023-09-02T17:22:45Z)
• Objective-Agnostic Enhancement of Molecule Properties via Multi-Stage VAE [1.3597551064547502]
  変異オートエンコーダ(VAE)は医薬品発見の一般的な方法であり、その性能を改善するために様々なアーキテクチャやパイプラインが提案されている。 VAEアプローチは、データが高次元の周囲空間に埋め込まれた低次元多様体上にあるとき、多様体の回復不良に悩まされることが知られている。 本稿では, 合成データセット上での多様体回復を向上する多段階VAEアプローチを創薬分野に適用することを検討する。
  論文  参考訳（メタデータ） (2023-08-24T20:22:22Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
  我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。 本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
  論文  参考訳（メタデータ） (2021-04-07T05:42:11Z)
• Learning physical properties of anomalous random walks using graph neural networks [0.0]
  単一粒子追跡により、生体分子が自然環境と物理的に相互作用する方法を探ります。 信頼できる推論は、単一粒子運動の固有の性質、実験ノイズ、およびほとんどの実験軌道の短い持続時間によって困難にされる。 ここでは、グラフニューラルネットワーク(GNN)に基づくランダムウォーク特性を推定するための新しい高速アプローチを紹介します。
  論文  参考訳（メタデータ） (2021-03-22T11:32:10Z)
• Multinomial Sampling for Hierarchical Change-Point Detection [0.0]
  本稿では,検出率を向上し,遅延を低減する多項サンプリング手法を提案する。 実験の結果, 基準法よりも優れた結果が得られ, また, 人間の行動研究を指向した事例も提示した。
  論文  参考訳（メタデータ） (2020-07-24T09:18:17Z)
• Progressive Object Transfer Detection [84.48927705173494]
  本稿では,新しいプログレッシブオブジェクト転送検出(POTD)フレームワークを提案する。 第一に、POTDは様々なドメインの様々なオブジェクトを効果的にプログレッシブな検出手順に活用することができる。 第2に、POTDは2つの微妙な転送段階、すなわち、LSTD(low-Shot Transfer Detection)とWSTD(Weakly Supervised Transfer Detection)から構成される。
  論文  参考訳（メタデータ） (2020-02-12T00:16:24Z)

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。