跳到主要内容
检索

# 条件变分自编码器

3 篇关联报道

订阅更新
  1. medRxiv

    IBDex把3,168份肠道活检冻成一张参照图谱:深度缓解压住炎症,却压不住疾病状态

    炎症性肠病的黏膜RNA测序长期按队列各自重建分子尺度,历史数据难以成为可复用的参照。IBDex用四个队列、1,680名患者的3,168份活检训练一个组织感知的条件变分自编码器,并以对抗方式压制队列身份,随后冻结基因接口、编码器、解码器、通路基与表型方向。冻结后在新队列中数据集身份平衡准确率降至0.307(随机为0.250),而炎症仍可判别(AUC 0.82);93名内镜与组织学一致缓解的患者炎症接近对照(AUC 0.58),疾病状态仍偏离(AUC 0.725)。

  2. arXiv

    生化网络重连不必先有完整模型:30个标志物压到10维,目标轨迹精度与全量神经ODE相当

    Co2ODE把每个细胞语境下承载信号的那部分网络单独建模:条件掩码挑出与重连相关的标志物,其余标志物由变分自编码器压成一个闭包项,与稀疏ODE联合训练。在覆盖30种癌症相关过表达的单细胞磷酸化蛋白数据上,它把30个标志物压成10维状态,目标轨迹精度与用全量标志物拟合的神经ODE相当;但加入先验评分后,被选中的标志物会整体移动而拟合几乎不变,说明这批数据不足以唯一确定真实的重连结构。

  3. arXiv

    同一观测对应多个有效动作时,CVAE 的 KL 正则与流模型的 Lipschitz 平滑度决定策略能否保留多模态,而主流机器人仿真基准其实几乎单模态

    该工作形式化定义了行为克隆中的多模态,证明潜变量策略保留示范模态需要潜表示携带动作条件信息、过强的后验—先验正则会压制该信息,动作空间生成策略则受基分布到动作映射的 Lipschitz 常数限制,并在合成多模态导航、真实机器人双模态组织抓取任务上验证这些机制,同时用基于 GMM 模态聚类的诊断发现 Push-T、UR3、LIBERO、Meta-World 等标准仿真基准的条件多模态很有限、确定性回归仍有竞争力。

已读完全部报道