Buchumschlag

ODBAE: a high-performance model identifying complex phenotypes in high-dimensional biological datasets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shen, Yafei, Zhang, Tao, Liu, Zhiwei, Kostelidou, Kalliopi, Xu, Ying, Yang, Ling
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Analytical Discovery of Manifold with Machine Learning
von: Shen, Yafei, et al.
Veröffentlicht: (2025)

Delayformer: spatiotemporal transformation for predicting high-dimensional dynamics
von: Wang, Zijian, et al.
Veröffentlicht: (2025)

Unleashing the power of computational insights in revealing the complexity of biological systems in the new era of spatial multi-omics
von: Fan, Zhiwei, et al.
Veröffentlicht: (2025)

Kernel spectral joint embeddings for high-dimensional noisy datasets using duo-landmark integral operators
von: Ding, Xiucai, et al.
Veröffentlicht: (2024)

A new model for natural groupings in high-dimensional data
von: Boutin, Mireille, et al.
Veröffentlicht: (2019)

Low-dimensional embeddings of high-dimensional data
von: de Bodt, Cyril, et al.
Veröffentlicht: (2025)

Inference with non-differentiable surrogate loss in a general high-dimensional classification framework
von: Liang, Muxuan, et al.
Veröffentlicht: (2024)

Nonparametric independence tests in high-dimensional settings, with applications to the genetics of complex disease
von: Castro-Prado, Fernando
Veröffentlicht: (2024)

Learnability of high-dimensional targets by two-parameter models and gradient flow
von: Yarotsky, Dmitry
Veröffentlicht: (2024)

Latent variable model for high-dimensional point process with structured missingness
von: Sinelnikov, Maksim, et al.
Veröffentlicht: (2024)

Latent mixed-effect models for high-dimensional longitudinal data
von: Ong, Priscilla, et al.
Veröffentlicht: (2024)

Modeling high dimensional point clouds with the spherical cluster model
von: Cazals, Frédéric, et al.
Veröffentlicht: (2025)

Distance-based mutual congestion feature selection with genetic algorithm for high-dimensional medical datasets
von: Nematzadeh, Hossein, et al.
Veröffentlicht: (2024)

Flow-based Bayesian filtering for high-dimensional nonlinear stochastic dynamical systems
von: Wang, Xintong, et al.
Veröffentlicht: (2025)

HiGP: A high-performance Python package for Gaussian Process
von: Huang, Hua, et al.
Veröffentlicht: (2025)

Robust fuzzy clustering for high-dimensional multivariate time series with outlier detection
von: Ma, Ziling, et al.
Veröffentlicht: (2025)

Computing high-dimensional optimal transport by flow neural networks
von: Xu, Chen, et al.
Veröffentlicht: (2023)

Partially factorized variational inference for high-dimensional mixed models
von: Goplerud, Max, et al.
Veröffentlicht: (2023)

Deep Learning for identifying systolic complexes in SCG traces: a cross-dataset analysis
von: Craighero, Michele, et al.
Veröffentlicht: (2024)

How high is `high'? Rethinking the roles of dimensionality in topological data analysis and manifold learning
von: Sansford, Hannah, et al.
Veröffentlicht: (2025)

Dynamic treatment effects: high-dimensional inference under model misspecification
von: Zhang, Yuqian, et al.
Veröffentlicht: (2021)

Machine learning and high dimensional vector search
von: Douze, Matthijs
Veröffentlicht: (2025)

On high-dimensional modifications of the nearest neighbor classifier
von: Ghosh, Annesha, et al.
Veröffentlicht: (2024)

Debiased high-dimensional regression calibration for errors-in-variables log-contrast models
von: Zhao, Huali, et al.
Veröffentlicht: (2024)

Combining additivity and active subspaces for high-dimensional Gaussian process modeling
von: Binois, Mickael, et al.
Veröffentlicht: (2024)

Fine-tuning LLMs with variational Bayesian last layer for high-dimensional Bayesian optimization
von: Xiang, Haotian, et al.
Veröffentlicht: (2025)

Prevalidated ridge regression is a highly-efficient drop-in replacement for logistic regression for high-dimensional data
von: Dempster, Angus, et al.
Veröffentlicht: (2024)

Sailing in high-dimensional spaces: Low-dimensional embeddings through angle preservation
von: Fischer, Jonas, et al.
Veröffentlicht: (2024)

Adaptive regularization parameter selection for high-dimensional inverse problems: A Bayesian approach with Tucker low-rank constraints
von: Yang, Qing-Mei, et al.
Veröffentlicht: (2026)

Label-shift robust federated feature screening for high-dimensional classification
von: Qin, Qi, et al.
Veröffentlicht: (2025)

Generative modeling through internal high-dimensional chaotic activity
von: Fournier, Samantha J., et al.
Veröffentlicht: (2024)

Domain adaptation in small-scale and heterogeneous biological datasets
von: Orouji, Seyedmehdi, et al.
Veröffentlicht: (2024)

Sparse high-dimensional linear mixed modeling with a partitioned empirical Bayes ECM algorithm
von: Zgodic, Anja, et al.
Veröffentlicht: (2023)

Scalability of Metropolis-within-Gibbs schemes for high-dimensional Bayesian models
von: Ascolani, Filippo, et al.
Veröffentlicht: (2024)

The cell as a token: high-dimensional geometry in language models and cell embeddings
von: Gilpin, William
Veröffentlicht: (2025)

Novel GPU Boruta algorithms for feature selection from high-dimensional data
von: Li, Xurui, et al.
Veröffentlicht: (2026)

FCPCA: Fuzzy clustering of high-dimensional time series based on common principal component analysis
von: Ma, Ziling, et al.
Veröffentlicht: (2025)

Adaptive operator learning for infinite-dimensional Bayesian inverse problems
von: Gao, Zhiwei, et al.
Veröffentlicht: (2023)

Fubini Study geometry of representation drift in high dimensional data
von: Tozzi, Arturo
Veröffentlicht: (2026)

Heterogeneous transfer learning for high-dimensional regression with feature mismatch
von: Chang, Jae Ho, et al.
Veröffentlicht: (2024)