論文の概要: Contrastive Dimension Reduction: A Systematic Review

• arxiv url: http://arxiv.org/abs/2510.11847v1
• Date: Mon, 13 Oct 2025 18:58:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.069079
• Title: Contrastive Dimension Reduction: A Systematic Review
• Title（参考訳）: コントラスト次元低減 : システムレビュー
• Authors: Sam Hawke, Eric Zhang, Jiawen Chen, Didong Li,
• Abstract要約: コントラスト次元低減法(Contrastive dimension reduction, CDR)は、コントロール(背景)グループに対して、治療(地上)グループに特有の信号の抽出または濃縮を目的としている。 本稿では,既存のCDR手法について概観する。 我々は、既存のCDR手法における重要な応用と課題を強調し、オープンな質問と今後の方向性を特定する。
• 参考スコア（独自算出の注目度）: 14.568717191353244
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contrastive dimension reduction (CDR) methods aim to extract signal unique to or enriched in a treatment (foreground) group relative to a control (background) group. This setting arises in many scientific domains, such as genomics, imaging, and time series analysis, where traditional dimension reduction techniques such as Principal Component Analysis (PCA) may fail to isolate the signal of interest. In this review, we provide a systematic overview of existing CDR methods. We propose a pipeline for analyzing case-control studies together with a taxonomy of CDR methods based on their assumptions, objectives, and mathematical formulations, unifying disparate approaches under a shared conceptual framework. We highlight key applications and challenges in existing CDR methods, and identify open questions and future directions. By providing a clear framework for CDR and its applications, we aim to facilitate broader adoption and motivate further developments in this emerging field.
• Abstract（参考訳）: コントラスト次元低減法(Contrastive dimension reduction, CDR)は、コントロール(背景)グループに対して、治療(地上)グループに特有の信号の抽出または濃縮を目的としている。 この設定は、ゲノミクス、イメージング、時系列解析などの多くの科学領域で発生し、主成分分析(PCA)のような伝統的な次元削減技術は、関心の信号の分離に失敗する可能性がある。 本稿では,既存のCDR手法について概観する。 本稿では,CDR手法の分類とケースコントロール研究を,その仮定,目的,数学的定式化に基づいて分析し,共通概念的枠組みの下で異なるアプローチを統一するパイプラインを提案する。 我々は、既存のCDR手法における重要な応用と課題を強調し、オープンな質問と今後の方向性を特定する。 CDRとそのアプリケーションのための明確なフレームワークを提供することで、我々はより広範な採用を促進し、この新興分野のさらなる発展を動機付けることを目指しています。

関連論文リスト

• Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs [69.10441885629787]
  Retrieval-Augmented Generation (RAG) は、外部知識を注入することによって、Large Language Models (LLM) の事実性を高める。 逆に、純粋に推論指向のアプローチは、しばしば幻覚的あるいは誤った事実を必要とする。 この調査は両鎖を統一的推論-検索の観点から合成する。
  論文  参考訳（メタデータ） (2025-07-13T03:29:41Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Advancing Image Super-resolution Techniques in Remote Sensing: A Comprehensive Survey [15.858551864010703]
  リモートセンシング画像超解像(RSISR)は,リモートセンシング画像処理において重要な課題である。 近年、RSISR法が提案されているが、これらの手法の体系的かつ包括的なレビューはいまだに欠落している。 本稿では、RSISRアルゴリズムの徹底的なレビューを行い、方法論、データセット、評価指標について述べる。
  論文  参考訳（メタデータ） (2025-05-29T08:55:14Z)
• A Unified Framework for Cross-Domain Recommendation [15.987800946057343]
  クロスドメイン勧告は有望な方法論として現れます。 我々は、以前のSOTAモデルであるUniCDRを、UniCDR+という名前の5つの異なる側面で拡張する。 我々の作業はクアイシュ州リビング・ルーム・RecSysで成功裏に展開されました。
  論文  参考訳（メタデータ） (2024-09-06T18:10:42Z)
• Deep Learning-Based Point Cloud Registration: A Comprehensive Survey and Taxonomy [79.66031973540946]
  深層学習に基づくポイントクラウド登録(DL-PCR)に関する総合的な調査と分類について述べる。 DL-PCR法では,登録手続きを含む重要な側面から議論を整理する。 我々はこれらを,ポイント・ツー・ポイント対応の明示的な識別を必要とするかどうかに応じて,対応ベースおよび対応不要なアプローチに分類する。
  論文  参考訳（メタデータ） (2024-04-22T02:05:15Z)
• Iterative Preference Learning from Human Feedback: Bridging Theory and Practice for RLHF under KL-Constraint [56.74058752955209]
  本稿では,RLHFによる強化学習を用いた生成モデルのアライメント過程について検討する。 まず、オフラインPPOやオフラインDPOのような既存の一般的な手法の主な課題を、環境の戦略的探索に欠如していると認識する。 有限サンプル理論保証を用いた効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-18T18:58:42Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• A Survey on Cross-domain Recommendation: Taxonomies, Methods, and Future Directions [27.894300356732696]
  本稿では,異なるレコメンデーションシナリオとレコメンデーションタスクを分類するクロスドメインレコメンデーションの2段階の分類法を提案する。 次に、異なるレコメンデーションシナリオの下で、構造化された方法で既存のクロスドメインレコメンデーションアプローチを紹介し、要約する。
  論文  参考訳（メタデータ） (2021-08-07T03:26:16Z)
• Cross-Domain Recommendation: Challenges, Progress, and Prospects [21.60393384976869]
  クロスドメインレコメンデーション(CDR)は、スパーサードメインのレコメンデーションパフォーマンスを改善するために、よりリッチなドメインからの比較的リッチな情報を活用するために提案されている。 本稿では,課題,研究の進展,今後の方向性など,既存のCDRアプローチの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2021-03-02T12:58:08Z)

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。