抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
監視のない可変性の離散および連続因子の混合物の同定は,複雑な現象を解明する上で重要な問題である。変分推論は解釈可能な混合表現を学習するための有望な方法として浮上している。しかし,高次元潜在空間での事後近似,特に離散因子については,依然として困難である。ここでは,高次元離散設定によくスケールするcpl-mixVAEと呼ばれる多重相互作用ネットワークを用いた教師なし変分フレームワークを提案した。このフレームワークにおいて,各ネットワークの混合表現は,離散因子に関するコンセンサス制約を課すことによって正則化される。理論的および実験的結果の両方を提供することによって,このフレームワークの使用を正当化した。最後に,提案した方法を用いて,単一細胞トランスクリプトームデータセットプロファイリングにおける遺伝子発現を記述する可変性の離散的および連続的因子を,100以上の皮質ニューロン型よりさらに明らかにした。【JST・京大機械翻訳】