Nov, 2023

SpecHD: FPGA 基于质谱聚类的高维计算框架

HTML
PDF
TL;DR利用FPGA加速架构的超维计算框架SpecHD有效解决了质谱数据处理的计算瓶颈问题，在保持聚类质量的同时将计算时间显著缩短，实现了大规模质谱数据的实时高通量分析，对个性化医疗具有重大影响。
发现论文，激发创造
  • 多核 PC 算法高维因果发现快速实现

    本文提出了一种使用并行计算技术的快速、高效的PC算法，并在高维数据集和miRNA-mRNA调节关系推断中进行了应用和实验，结果表明该算法比原始PC算法更加高效和准确。

    Feb, 2015

  • 大规模高维数据集的最小生成树可视化

    本文介绍了一种新的数据可视化方法TMAP，可将高维数据集表示为二维树，具有结构保持、透明性等优点，比t-SNE或UMAP更适用于化学、生物、物理等领域的数据集的探索和解释。

    Aug, 2019

  • 生成模型的梯度用于串联质谱的鉴别分析提升

    本文基于生成对抗生成模型的对数似然梯度，介绍利用一种基于动态贝叶斯网络（DBN）的核判别分类器改进Tandem Mass Spectrometry中蛋白质识别的方法，通过引入Theseus DBN搜索算法，实现了自动学习模型参数的功能，并在评估数据集上取得了最优效果的结果。

    Sep, 2019

  • HDCC：一款用于嵌入式系统和高性能计算的超维计算编译器

    该研究介绍了一个名为” ame{}”的编译器工具，可以将高维超向量分类方法的高级描述翻译为优化的C代码，为嵌入式系统和高性能计算提供了最大性能和最小内存使用的支持；试验表明，使用该编译器工具的训练和推断速度提高了大约25倍至132倍，内存使用减少了5倍至158倍，这对研究和应用探索超维计算在分类任务中的应用具有重要价值。

    Apr, 2023

  • 利用超维度计算的鲁棒聚类

    本研究提出了基于超维计算的聚类算法，通过利用编码数据的相似性确定初始聚类超维，并通过实验证明相似性传播聚类算法在八个数据集上的聚类精度优于其他算法，提高了聚类算法的准确性。

    Dec, 2023

  • 隐私保护患者分层的联合非监督随机森林

    通过无监督随机森林聚类和联合计算，建立了一个强大的框架来推进精准医学，实现有效的患者分层和疾病亚型划分，改进了疾病亚型的解释性，并优化了局部聚类性能。

    Jan, 2024

  • 超维度计算：生物数据的快速、稳健和可解释范式

    生物信息学中的关键词为：算法、深度学习、超维计算、组学数据。本文总结并探索了超维计算在生物信息学中的潜力，强调了其效率、可解释性和处理多模态和结构化数据的能力。超维计算对于组学数据搜索、生物信号分析和健康应用具有巨大的潜力。

    Feb, 2024

  • MicroHD：面向TinyML系统的高维计算算法的精度驱动优化

    通过减少资源需求以及提供压缩和效率提升，作者提出了一种新的面向准确性的Hyperdimensional computing（HDC）优化方法，可用于不同编码函数的HDC实现，并且能够在保持1%以下的准确性降低的前提下，实现与基线实现相比高达200倍的压缩和效率提升。

    Mar, 2024

  • 机器学习与质谱技术的结合：一种专注角度

    质谱学数据的机器学习分析及相关挑战的前景探讨。

    Jun, 2024

  • 大型数据的外部维度降低方法

    本研究针对传统维度降低（DR）方法在处理大型数据集时面临的高运行复杂性和内存需求问题，提出了一种新颖的外部样本扩展方法。通过逐步将新数据插入现有投影，该方法实现了对大数据集的可行维度降低，显著提高了处理能力，并在评估多种DR算法的投影质量及运行效率方面取得了重要发现，推动了大型数据可视化的研究进展。

    Aug, 2024