Jul, 2020

使用 GAN 进行线性追踪的最优传输

HTML
PDF
TL;DR本文中，我们提出了一种新颖的计算谱系追踪方法——Super-OT，它将监督式学习框架与基于生成对抗网络（GANs）的最优传输相结合。与以往的谱系追踪方法不同，Super-OT具有集成配对数据的灵活性。我们将基于单细胞RNA-seq数据的Super-OT与一种流行的使用最优传输的谱系追踪方法Waddington-OT进行基准测试，证明Super-OT在预测细胞在分化过程中的类别结果方面胜过了Waddington-OT，因为它允许在训练期间集成附加信息。
发现论文，激发创造
  • 高效的道德族谱追踪算法

    该论文提出了一个有效的算法来解决生物图像序列中的细胞追踪和分割问题，并通过实验验证了算法的准确性和可扩展性。

    Feb, 2017

  • 应用最优输运改进GANs

    本文介绍了新兴的生成对抗网络--优化输运生成对抗网络，提升了图像生成模型的稳定性和生成效果，主要特点是利用adversarially learned feature space来定义mini-batch energy distance度量优化目标，在多个经典image generation benchmark test中达到了最好的性能表现。

    Mar, 2018

  • 使用生成对抗网络的可伸缩非平衡最优输运

    本文介绍一种基于生成对抗网络的可伸缩的非平衡优化输运方法，该方法可以同时学习输运映射和缩放因子，以最优的代价推动源测量到目标测量，并提供了理论证明和数值实验。

    Oct, 2018

  • 对抗计算最优输运映射

    本文介绍了一种新的基于生成对抗网络的优化输运模型，使用$2$-Wasserstein距离度量判别器的目标函数，证明了在训练期间，生成器沿着初始和目标分布之间的$W_2$-测地线走，最终重现出最优映射，在低维和高维连续设置中进行验证，并证明其在图像数据上的性能优于以前的方法。

    Jun, 2019

  • TrajectoryNet：用于建模细胞动态的动态最优输运网络

    本文介绍了一种将连续归一化流和动态最优传输相结合的建模方法，该方法能够模拟动态过程中数据的期望路径，并提出了TrajectoryNet模型，从而在single-cell RNA测序数据的细胞动态研究中取得了良好的效果。

    Feb, 2020

  • COT-GAN：通过因果最优传输生成序列数据

    使用因果最优传输（COT）思想定义的COT-GAN算法应用于产生顺序数据，使用改进的Sinkhorn差异度量学习鉴别器的代价函数，并包括增加的时间因果约束和熵惩罚项。实验表明，该算法在产生低维和高维时间序列数据时具有很好的效率和稳定性。

    Jun, 2020

  • 人口动态的近端优化运输建模

    该论文提出了一种新的方法来建模一个随时间演化的粒子种群的集体动力学，该方法中使用了 JKOnet 来在只有样本快照的情况下计算 JKO 流，并证明其相较于直接前向方法具有更好的性能和稳健性。

    Jun, 2021

  • 最优输运映射生成建模

    该研究提出了一种使用Optimal Transport map直接在高维图片空间中进行生成建模的算法，并在图像恢复等任务上验证了其有效性。

    Oct, 2021

  • 生成熵神经最优传输在空间内和空间间的映射

    学习度量到度量映射是机器学习中的一项关键任务，而神经最优输运方法（Neural OT）结合了神经网络模型和最优输运理论，将最优输运作为归纳偏置，并通过实验表明其在单细胞生物学中具有实用性。

    Oct, 2023

  • scDiffusion: 使用扩散模型进行高质量单细胞数据的条件生成

    本研究使用scDiffusion模型基于扩散过程生成具有可控条件的高质量单细胞RNA测序数据，并展示其能够产生接近真实数据的单细胞基因表达数据，超过现有模型在多个度量指标上的性能，对罕见细胞类型等特定细胞类型进行条件生成，并通过梯度插值生成小鼠胚胎细胞的连续发育轨迹，以此证明scDiffusion是增强真实scRNA-seq数据和深入研究细胞命运的强大工具。

    Jan, 2024