Fugu-MT 論文翻訳(概要): IRIS: time-structured manifold projections

論文の概要: IRIS: time-structured manifold projections

arxiv url: http://arxiv.org/abs/2605.30810v1
Date: Fri, 29 May 2026 03:57:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-01 20:56:50.375916
Title: IRIS: time-structured manifold projections
Title（参考訳）: IRIS: 時間構造多様体射影
Abstract要約: IRISは、時間的および多様体的トポロジーによってレイアウトを構造化する新しいマニフォールド学習アルゴリズムである。 IRISは、cRNA-seq、比較メダゲノミクス、文学など、幅広いダイナミックなバイオメディカルデータを可視化することができる。
参考スコア（独自算出の注目度）: 18.24867281133976
License: http://creativecommons.org/licenses/by/4.0/
Abstract: High-dimensional biomedical data, such as cell-by-gene matrices, are increasingly generated temporally. However, Manifold Learning algorithms, like t-SNE and UMAP, cannot incorporate time-ordering in their layouts, obfuscating the dynamics of cell types or other classes. As a solution, we present IRIS, a new Manifold Learning algorithm that structures layouts both chronologically and by manifold topology. IRIS can visualize a wide range of dynamic biomedical data, including scRNA-seq, comparative metagenomics, and literature.
Abstract（参考訳）: 細胞間マトリックスのような高次元の生医学データは、時間的に徐々に生成される。しかし、 t-SNE や UMAP のような Manifold Learning アルゴリズムは、レイアウトに時間順を組み込むことはできない。そこで本研究では,時間的および多様体的トポロジーによってレイアウトを構造化する新しいマニフォールド学習アルゴリズムIRISを提案する。 IRISは、cRNA-seq、比較メダゲノミクス、文学など、幅広いダイナミックなバイオメディカルデータを可視化することができる。

関連論文リスト

Evolutionary Algorithm for Reservoir Learning and Yielding [2.3946890980915163]
EARLY (Evolutionary Algorithm for Reservoir Learning and Yielding) は、Echo State Networks (ESN) のアーキテクチャを進化させるためのフレームワークである。脳のモジュラー構造にインスパイアされたEARLYは、アーキテクチャをグラフベースのゲノムとしてエンコードし、クロスオーバー、突然変異、選択を適用して効果的な構成を発見する。その結果、進化したアーキテクチャは、複数のタスクをランダムに探索し、タスクの難易度に応じて構造的な違いを示す。これらの結果から, 進化的探索は, 広範囲の時間的問題に対して, 再利用可能な貯水池構造を同定するのに有効であることが示唆された。
論文参考訳（メタデータ） (2026-05-19T11:22:21Z)
Biology-Instructions: A Dataset and Benchmark for Multi-Omics Sequence Understanding Capability of Large Language Models [55.74944165932666]
本稿では,生物配列の大規模学習データセットであるBiology-Instructionsを紹介する。このデータセットは、大きな言語モデル(LLM)と複雑な生物学的シーケンス関連タスクをブリッジし、その汎用性と推論を強化する。また,マルチオミクスタスクにおける現状のLLMの,専門訓練なしでの大幅な制限を強調した。
論文参考訳（メタデータ） (2024-12-26T12:12:23Z)
Hyperdimensional computing: a fast, robust and interpretable paradigm for biological data [9.094234519404907]
多様な生物学的データソースを処理するための新しいアルゴリズムは、バイオインフォマティクスに革命をもたらした。深層学習は、バイオインフォマティクス、アドレス配列、構造、機能解析を大きく変えてきた。超次元コンピューティングは興味深い代替手段として登場した。
論文参考訳（メタデータ） (2024-02-27T15:09:20Z)
UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文参考訳（メタデータ） (2024-02-20T11:50:27Z)
On the Importance of Step-wise Embeddings for Heterogeneous Clinical Time-Series [1.3285222309805063]
近年のシークエンス・モデリングの深層学習の進歩は、電子健康記録から時系列を扱うタスクに完全に移行していない。特に、ICU(Intensive Care Unit)に関わる問題では、木に基づく手法で表形式でシーケンス分類に取り組むことが現状である。
論文参考訳（メタデータ） (2023-11-15T12:18:15Z)
Integrating Multimodal Data for Joint Generative Modeling of Complex Dynamics [6.848555909346641]
最適復元のための様々な情報ソースを組み合わせるための効率的なフレームワークを提供する。我々のフレームワークは完全にテキスト生成され、訓練後に、基底真理系と同じ幾何学的、時間的構造を持つ軌道を生成します。
論文参考訳（メタデータ） (2022-12-15T15:21:28Z)
RandomSCM: interpretable ensembles of sparse classifiers tailored for omics data [59.4141628321618]
決定規則の結合や解離に基づくアンサンブル学習アルゴリズムを提案する。モデルの解釈可能性により、高次元データのバイオマーカー発見やパターン発見に有用である。
論文参考訳（メタデータ） (2022-08-11T13:55:04Z)
Linearization and Identification of Multiple-Attractors Dynamical System through Laplacian Eigenmaps [8.161497377142584]
速度拡張カーネルを利用したグラフベースのスペクトルクラスタリング手法を提案し,同じダイナミックスに属するデータポイントを接続する。部分力学が線型であり、n-次元埋め込みが準線型であるような2次元埋め込み空間が常に存在することを証明する。我々は、ラプラシアン埋め込み空間から元の空間への微分同相性を学び、ラプラシアン埋め込みが良好な再構成精度とより高速な訓練時間をもたらすことを示す。
論文参考訳（メタデータ） (2022-02-18T12:43:25Z)
Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文参考訳（メタデータ） (2021-11-05T02:54:06Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文参考訳（メタデータ） (2020-04-30T20:42:17Z)
Learning Bijective Feature Maps for Linear ICA [73.85904548374575]
画像データに適した既存の確率的深層生成モデル (DGM) は, 非線形ICAタスクでは不十分であることを示す。そこで本研究では,2次元特徴写像と線形ICAモデルを組み合わせることで,高次元データに対する解釈可能な潜在構造を学習するDGMを提案する。画像上のフローベースモデルや線形ICA、変分オートエンコーダよりも、高速に収束し、訓練が容易なモデルを作成し、教師なしの潜在因子発見を実現する。
論文参考訳（メタデータ） (2020-02-18T17:58:07Z)

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。