論文の概要: Explicit Path CGR: Maintaining Sequence Fidelity in Geometric Representations

• arxiv url: http://arxiv.org/abs/2509.18408v1
• Date: Mon, 22 Sep 2025 20:46:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.580142
• Title: Explicit Path CGR: Maintaining Sequence Fidelity in Geometric Representations
• Title（参考訳）: 明示的経路CGR:幾何表現におけるシーケンス忠実性を維持する
• Authors: Sarwan Ali,
• Abstract要約: 本稿では,Reverse-CGR(R-CGR)とも呼ばれる新しい情報保存型カオスゲーム表現法を提案する。 本手法は,論理的算術精度制御を併用した明示的経路符号化による完全系列復元を実現する。 本稿では,生物配列分類におけるR-CGRの有効性を示す。
• 参考スコア（独自算出の注目度）: 5.237172334460829
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a novel information-preserving Chaos Game Representation (CGR) method, also called Reverse-CGR (R-CGR), for biological sequence analysis that addresses the fundamental limitation of traditional CGR approaches - the loss of sequence information during geometric mapping. Our method introduces complete sequence recovery through explicit path encoding combined with rational arithmetic precision control, enabling perfect sequence reconstruction from stored geometric traces. Unlike purely geometric approaches, our reversibility is achieved through comprehensive path storage that maintains both positional and character information at each step. We demonstrate the effectiveness of R-CGR on biological sequence classification tasks, achieving competitive performance compared to traditional sequence-based methods while providing interpretable geometric visualizations. The approach generates feature-rich images suitable for deep learning while maintaining complete sequence information through explicit encoding, opening new avenues for interpretable bioinformatics analysis where both accuracy and sequence recovery are essential.
• Abstract（参考訳）: 本稿では,従来のCGR手法の基本的限界(幾何学的マッピングにおけるシーケンス情報の喪失)に対処する生物学的シーケンス解析のために,Reverse-CGR(R-CGR)と呼ばれる新しい情報保存型カオスゲーム表現法を提案する。 本手法は,論理的算術精度制御を併用した明示的経路符号化による完全シーケンス復元を導入し,保存された幾何トレースから完全シーケンス復元を可能にする。 純粋に幾何学的なアプローチとは異なり、我々の可逆性は各ステップにおける位置情報と文字情報の両方を保持する包括的経路記憶によって達成される。 本稿では,生物配列分類におけるR-CGRの有効性を実証し,解釈可能な幾何学的可視化を提供しながら,従来のシーケンスベース手法と比較して競合性能を実現する。 本手法は,完全シーケンス情報を明示的エンコーディングを通じて保持しつつ,精度とシーケンス回復が不可欠である解釈可能なバイオインフォマティクス解析のための新たな経路を開きながら,ディープラーニングに適した特徴豊富な画像を生成する。

関連論文リスト

• RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
  RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。 本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。 復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
  論文  参考訳（メタデータ） (2025-06-28T08:02:54Z)
• CP$^2$: Leveraging Geometry for Conformal Prediction via Canonicalization [51.716834831684004]
  幾何データシフトにおける共形予測(CP)の問題について検討する。 本稿では,幾何的ポーズなどの幾何学的情報を統合することを提案する。
  論文  参考訳（メタデータ） (2025-06-19T10:12:02Z)
• Sequence Analysis Using the Bezier Curve [3.9052860539161918]
  本稿では,B'ezier曲線を要素マッピングに用いた新しい画像変換手法を提案する。 要素を曲線にマッピングすると、各画像のシーケンス情報表現が強化される。
  論文  参考訳（メタデータ） (2025-03-18T15:40:46Z)
• Flexible Mesh Segmentation via Reeb Graph Representation of Geometrical and Topological Features [0.0]
  本稿では, フレキシブルリーブグラフ表現を用いて幾何学的特徴と位相的特徴を統合するメッシュセグメンテーション手法を提案する。 このアルゴリズムは,改良されたトポロジカルスケルトンアプローチを用いたリーブグラフの構築,重要な特徴を保ちながら臨界点のキャンセルによるグラフの位相的単純化,適応的な領域成長過程による連続セグメントの生成の3段階からなる。
  論文  参考訳（メタデータ） (2024-12-05T23:04:45Z)
• Contrastive Graph Condensation: Advancing Data Versatility through Self-Supervised Learning [47.74244053386216]
  グラフ凝縮は、大規模原グラフのコンパクトで代替的なグラフを合成するための有望な解である。 本稿では、自己教師型代理タスクを取り入れたCTGC(Contrastive Graph Condensation)を導入し、元のグラフから批判的、因果的な情報を抽出する。 CTGCは、様々な下流タスクを限られたラベルで処理し、一貫して最先端のGCメソッドより優れている。
  論文  参考訳（メタデータ） (2024-11-26T03:01:22Z)
• Associative Knowledge Graphs for Efficient Sequence Storage and Retrieval [0.9786690381850353]
  連想知識グラフ(AKG)は、グラフ構造を利用してシーケンスをエンコードすることで、有望なアプローチを提供する。 本研究では,シークエンス保存と検索のための新しい構造的アプローチを提案する。 計算神経科学とバイオインフォマティクスの幅広い応用により、この手法はシーケンスベースのメモリタスクにスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-11-19T13:00:31Z)
• Online Graph Topology Learning via Time-Vertex Adaptive Filters: From Theory to Cardiac Fibrillation [37.69303106863453]
  本稿では,動的グラフトポロジ推定のための空間適応アルゴリズムであるAdaCGPを紹介する。 AdaCGPは一貫して最先端の手法より優れている。 確立した手法よりも効果的に伝搬パターンの動的変化を追跡する。
  論文  参考訳（メタデータ） (2024-11-03T13:43:51Z)
• UGMAE: A Unified Framework for Graph Masked Autoencoders [67.75493040186859]
  グラフマスク付きオートエンコーダのための統一フレームワークであるUGMAEを提案する。 まず,ノードの特異性を考慮した適応型特徴マスク生成器を開発した。 次に,階層型構造再構成と特徴再構成を併用し,総合的なグラフ情報を取得する。
  論文  参考訳（メタデータ） (2024-02-12T19:39:26Z)

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。