論文の概要: Anomaly Detection for Hybrid Butterfly Subspecies via Probability Filtering

• arxiv url: http://arxiv.org/abs/2504.01671v1
• Date: Wed, 02 Apr 2025 12:18:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 19:59:19.353485
• Title: Anomaly Detection for Hybrid Butterfly Subspecies via Probability Filtering
• Title（参考訳）: 確率フィルタによるハイブリッド蝶亜種の異常検出
• Authors: Bo-Kai Ruan, Yi-Zeng Fang, Hong-Han Shuai, Juinn-Dar Huang,
• Abstract要約: 本研究は,BがAを生物学的に模倣した場合に,ハイブリッド種Aを認識するために訓練されたモデルがB種に一般化できる,特定のシナリオに焦点を当てる。 A種とB種は類似したパターンを共有しているため,BioCLIPを特徴抽出器として利用し,その分類に基づく特徴を捉える。
• 参考スコア（独自算出の注目度）: 18.48096319049404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting butterfly hybrids requires knowledge of the parent subspecies, and the process can be tedious when encountering a new subspecies. This study focuses on a specific scenario where a model trained to recognize hybrid species A can generalize to species B when B biologically mimics A. Since species A and B share similar patterns, we leverage BioCLIP as our feature extractor to capture features based on their taxonomy. Consequently, the algorithm designed for species A can be transferred to B, as their hybrid and non-hybrid patterns exhibit similar relationships. To determine whether a butterfly is a hybrid, we adopt proposed probability filtering and color jittering to augment and simulate the mimicry. With these approaches, we achieve second place in the official development phase. Our code is publicly available at https://github.com/Justin900429/NSF-HDR-Challenge.
• Abstract（参考訳）: 蝶の雑種を検出するには、親の亜種に関する知識が必要である。 本研究は,B種とB種が類似したパターンを共有しているため,B種を特徴抽出器として活用し,分類に基づく特徴の抽出を行う。 その結果、種Aのために設計されたアルゴリズムは、そのハイブリッドパターンと非ハイブリッドパターンが類似した関係を示すため、Bに転移することができる。 そこで本研究では,バタフライがハイブリッドであるかどうかを判断するために,提案する確率フィルタリングとカラージッタリングを採用し,模倣の強化とシミュレートを行った。 これらのアプローチにより、私たちは公式開発フェーズで第2位を獲得します。 私たちのコードはhttps://github.com/Justin900429/NSF-HDR-Challengeで公開されています。

関連論文リスト

• Enhancing Downstream Analysis in Genome Sequencing: Species Classification While Basecalling [1.0017486177151396]
  本稿では,ヌクレオチド配列の決定と並行して,シークエンシング装置からの信号のプロファイリングを行う手法を提案する。 本稿では,共有層に対するモデル重みを組み合わせて,ベースコールと分類の損失を個別にバックプロモートする新たな損失戦略を提案する。 我々は最先端のベースコール精度を達成する一方、分類精度は最先端のバイナリ分類器の結果を超えている。
  論文  参考訳（メタデータ） (2025-04-09T17:30:43Z)
• G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
  本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。 本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
  論文  参考訳（メタデータ） (2025-02-07T06:16:31Z)
• Evolutionary Dispersal of Ecological Species via Multi-Agent Deep Reinforcement Learning [0.0]
  本研究は,多エージェント強化学習(MARL)と深度Q-networks(DQN)を用いて,単一種と捕食者-捕食者の相互作用をシミュレートする。 我々のシミュレーションでは、進化的分散戦略を明らかにし、種分散機構の洞察を与え、伝統的な数学的モデルを検証する。
  論文  参考訳（メタデータ） (2024-10-24T10:21:23Z)
• DNABERT-S: Pioneering Species Differentiation with Species-Aware DNA Embeddings [7.822348354050447]
  DNABERT-S(DNABERT-S)は,異なる種のDNA配列を自然にクラスターし,分離するために,種認識の埋め込みを開発するゲノムモデルである。 23の多様なデータセットの創発的な結果は、特に現実的なラベルスカースシナリオにおいて、DNABERT-Sの有効性を示している。
  論文  参考訳（メタデータ） (2024-02-13T20:21:29Z)
• Breaking Free: How to Hack Safety Guardrails in Black-Box Diffusion Models! [52.0855711767075]
  EvoSeedは、フォトリアリスティックな自然対向サンプルを生成するための進化戦略に基づくアルゴリズムフレームワークである。 我々は,CMA-ESを用いて初期種ベクトルの探索を最適化し,条件付き拡散モデルで処理すると,自然逆数サンプルをモデルで誤分類する。 実験の結果, 生成した対向画像は画像品質が高く, 安全分類器を通過させることで有害なコンテンツを生成する懸念が高まっていることがわかった。
  論文  参考訳（メタデータ） (2024-02-07T09:39:29Z)
• 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)
• Learning Hybrid Interpretable Models: Theory, Taxonomy, and Methods [0.0]
  ハイブリッドモデルは解釈可能なモデルと複雑なブラックボックスの協調を含む。 古典的モデルに対するそのようなモデルの利点は2倍である。 システムの透明性のレベルをユーザが正確にコントロールできる。
  論文  参考訳（メタデータ） (2023-03-08T08:35:29Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Avoiding The Double Descent Phenomenon of Random Feature Models Using Hybrid Regularization [2.7393821783237184]
  ランダム特徴モデル(RFM)のトレーニングにおいて生じる二重降下現象を自動的に回避するハイブリッド正規化手法の有効性を示す。 ハイブリッド法は、最も一般的な2種類の正則化(早期停止と重量減少)のそれぞれの強さを組み合わせる。 本稿では,数値実験を行うためのコードを提案する。
  論文  参考訳（メタデータ） (2020-12-11T22:42:34Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
  オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。 CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。 複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-08-12T06:23:49Z)
• Boosting rare benthic macroinvertebrates taxa identification with one-class classification [6.65010897396803]
  現在、タクサの識別には面倒な手作業が必要であり、効率的にスケールアップすることはできない。 ディープ畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、バイオモニタリングボリュームを大幅に増加させる実行可能な方法である。 一級分類モデルは伝統的に、はるかに少ないサンプルで訓練されており、人間の検査のための稀なクラスに属するサンプルを示すメカニズムを提供することができる。
  論文  参考訳（メタデータ） (2020-02-12T09:46:24Z)

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。