Výsledky vyhľadávania - "Convex non-negative matrix factorization"

On the Relation Between Linear Autoencoders and Non-Negative Matrix Factorization for Mutational Signature Extraction

Autori: Ida Egendal Rasmus Froberg Brøndum Marta Pelizzola a ďalší

Zdroj: Egendal, I, Brøndum, R F, Pelizzola, M, Hobolth, A & Bøgsted, M 2025, 'On the Relation Between Linear Autoencoders and Non-Negative Matrix Factorization for Mutational Signature Extraction', Journal of Computational Biology, vol. 32, no. 5, pp. 461-472. https://doi.org/10.1089/cmb.2024.0784
Egendal, I, Brøndum, R F, Pelizzola, M, Hobolth, A & Bøgsted, M 2025, 'On the Relation Between Linear Autoencoders and Non-Negative Matrix Factorization for Mutational Signature Extraction', Journal of computational biology : a journal of computational molecular cell biology, vol. 32, no. 5, pp. 461-472. https://doi.org/10.1089/cmb.2024.0784

Predmety: non-negative matrix factorization, convex non-negative matrix factorization, mutational signatures, non-negative autoencoders

Prístupová URL adresa: https://pubmed.ncbi.nlm.nih.gov/40113251

Temporal Community Detection and Analysis with Network Embeddings

Autori: Limengzi Yuan Xuanming Zhang Yuxian Ke a ďalší

Zdroj: Mathematics ; Volume 13 ; Issue 5 ; Pages: 698

Predmety: temporal community detection, social networks, network embedding, evolutionary clustering, convex non-negative matrix factorization

Popis súboru: application/pdf

Relation: E1: Mathematics and Computer Science; https://dx.doi.org/10.3390/math13050698

Dostupnosť: https://doi.org/10.3390/math13050698

Early pseudoprogression and progression lesions in glioblastoma patients are both metabolically heterogeneous

Autori: Gülnur Ungan Albert Pons‐Escoda Daniel Ulinic a ďalší

Prispievatelia: Gülnur Ungan Albert Pons‐Escoda Daniel Ulinic a ďalší

Zdroj: UPCommons. Portal del coneixement obert de la UPC
Universitat Politècnica de Catalunya (UPC)
Dipòsit Digital de Documents de la UAB
Universitat Autònoma de Barcelona

Predmety: MRS, Brain Neoplasms, Àrees temàtiques de la UPC::Ciències de la salut, Convex non-negative matrix factorization, Mètodes analítics matricials, Chemoradiotherapy, MR, Glioblastoma multiforme, Magnetic Resonance Imaging, 3. Good health, Dacarbazine, 03 medical and health sciences, 0302 clinical medicine, Matrix analytic methods, Pseudoprogression, Àrees temàtiques de la UPC::Matemàtiques i estadística::Anàlisi matemàtica, Disease Progression, Humans, Glioblastoma, Follow-Up Studies, Retrospective Studies

Popis súboru: application/pdf

Prístupová URL adresa: https://pubmed.ncbi.nlm.nih.gov/38213096
https://ddd.uab.cat/record/287426
https://hdl.handle.net/2117/401582
https://doi.org/10.1002/nbm.5095

Clustering of cell populations in flow cytometry data using a combination of Gaussian mixtures

Autori: Michael Reiter Paolo Rota Florian Kleber a ďalší

Zdroj: Pattern Recognition. 60:1029-1040

Predmety: 0301 basic medicine, 0303 health sciences, 03 medical and health sciences, Acute lymphblastic leukemia, Clustering, Convex non-negative matrix factorization, Flow cytometry, Gaussian mixture model, L2 distance

Prístupová URL adresa: https://dl.acm.org/doi/10.1016/j.patcog.2016.04.004
https://doi.org/10.1016/j.patcog.2016.04.004
https://dblp.uni-trier.de/db/journals/pr/pr60.html#ReiterRKDGD16
https://www.sciencedirect.com/science/article/pii/S0031320316300371
https://ui.adsabs.harvard.edu/abs/2016PatRe..60.1029R/abstract
https://hdl.handle.net/11572/251848
https://doi.org/10.1016/j.patcog.2016.04.004

Automated quality control for proton magnetic resonance spectroscopy data using convex non-negative matrix factorization

Autori: Mocioiu, Victor Kyathanahally, Sreenath P. Arús, Carles a ďalší

Prispievatelia: Mocioiu, Victor Kyathanahally, Sreenath P. Arús, Carles a ďalší

Predmety: Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic, Decision support systems, Brain -- Tumors -- Diagnosis, Brain tumors, Magnetic resonance spectroscopy, Convex non-negative matrix factorization, Pattern recognition, Quality control, Machine learning, Sistemes d'ajuda a la decisió, Cervell -- Tumors -- Diagnòstic

Popis súboru: 9 p.; application/pdf

Relation: http://link.springer.com/chapter/10.1007%2F978-3-319-31744-1_62; http://hdl.handle.net/2117/99395

Dostupnosť: http://hdl.handle.net/2117/99395
https://doi.org/10.1007/978-3-319-31744-1_62

Discriminant Convex Non-negative Matrix Factorization for the classification of human brain tumours

Autori: Vilamala Muñoz, Albert Lisboa, Paulo J G Ortega Martorell, Sandra a ďalší

Prispievatelia: Vilamala Muñoz, Albert Lisboa, Paulo J G Ortega Martorell, Sandra a ďalší

Zdroj: UPCommons. Portal del coneixement obert de la UPC
Universitat Politècnica de Catalunya (UPC)
Recercat. Dipósit de la Recerca de Catalunya
instname

Predmety: Informàtica::Aplicacions de la informàtica::Bioinformàtica [Àrees temàtiques de la UPC], Tumors -- Diagnosis, Discriminant Convex Non-negative Matrix Factorization, 03 medical and health sciences, 0302 clinical medicine, Brain tumours, Àrees temàtiques de la UPC::Informàtica::Aplicacions de la informàtica::Bioinformàtica, Magnetic resonance spectroscopy, 0202 electrical engineering, electronic engineering, information engineering, Source separation, 02 engineering and technology, Tumors -- Models matemàtics

Popis súboru: application/pdf

Prístupová URL adresa: http://hdl.handle.net/2117/20446
https://dblp.uni-trier.de/db/journals/prl/prl34.html#VilamalaLOV13
https://www.sciencedirect.com/science/article/pii/S0167865513002213
http://ui.adsabs.harvard.edu/abs/2013PaReL..34.1734V/abstract
https://upcommons.upc.edu/handle/2117/20446
https://core.ac.uk/display/41772337
http://www.sciencedirect.com/science/article/pii/S0167865513002213

Early pseudoprogression and progression lesions in glioblastoma patients are both metabolically heterogeneous

Autori: Universitat Politècnica de Catalunya. Departament de Ciències de la Computació Universitat Politècnica de Catalunya. IDEAI-UPC - Intelligent Data sciEnce and Artificial Intelligence Research Group Ungan, Gülnur a ďalší

Témy: Àrees temàtiques de la UPC::Matemàtiques i estadística::Anàlisi matemàtica, Àrees temàtiques de la UPC::Ciències de la salut, Matrix analytic methods, Glioblastoma multiforme, Convex non-negative matrix factorization, Glioblastoma, MR, MRS, Pseudoprogression, Mètodes analítics matricials, Article

URL: https://hdl.handle.net/2117/401582
https://analyticalsciencejournals.onlinelibrary.wiley.com/doi/10.1002/nbm.5095
https://analyticalsciencejournals.onlinelibrary.wiley.com/doi/10.1002/nbm.5095
info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-104551RB-I00/ES/APRENDIZAJE AUTOMATICO PARA LA MODELIZACION DE LA DINAMICA MOLECULAR DE LAS PROTEINAS GPCR

Automated quality control for proton magnetic resonance spectroscopy data using convex non-negative matrix factorization

Autori: Universitat Politècnica de Catalunya. Departament de Ciències de la Computació Universitat Politècnica de Catalunya. SOCO - Soft Computing Mocioiu, Victor a ďalší

Témy: Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic, Decision support systems, Brain -- Tumors -- Diagnosis, Brain tumors, Magnetic resonance spectroscopy, Convex non-negative matrix factorization, Pattern recognition, Quality control, Machine learning, Sistemes d'ajuda a la decisió, Cervell -- Tumors -- Diagnòstic, Conference report

URL: http://hdl.handle.net/2117/99395
http://link.springer.com/chapter/10.1007%2F978-3-319-31744-1_62
http://link.springer.com/chapter/10.1007%2F978-3-319-31744-1_62

Discriminant convex non-negative matrix factorization for the classification of human brain tumours

Autori: Universitat Politècnica de Catalunya. Departament de Llenguatges i Sistemes Informàtics Universitat Politècnica de Catalunya. SOCO - Soft Computing Vilamala Muñoz, Albert a ďalší

Témy: Àrees temàtiques de la UPC::Informàtica::Aplicacions de la informàtica::Bioinformàtica, Tumors -- Diagnosis, Brain tumours, Discriminant Convex Non-negative Matrix Factorization, Magnetic resonance spectroscopy, Source separation, Tumors -- Models matemàtics, Article

URL: https://hdl.handle.net/2117/20446
http://www.sciencedirect.com/science/article/pii/S0167865513002213
http://www.sciencedirect.com/science/article/pii/S0167865513002213