Embeddings de Distribución Generativa: Elevando los autoencoders al espacio de distribuciones para el aprendizaje de...

Área de la Ciencia:

• Aprendizaje Automático
• Biología Computacional
• Modelos Generativos

Sus antecedentes:

• Muchos desafíos científicos requieren el análisis de distribuciones de datos completas, no puntos de datos aislados.
• Los modelos existentes a menudo luchan con el razonamiento multiescala en conjuntos de datos complejos.
• Existe la necesidad de marcos avanzados capaces de aprender y representar distribuciones.

Objetivo del estudio:

• Introducir los Embeddings de Distribución Generativa (GDEs), un marco novedoso para extender los autoencoders al espacio de distribuciones de datos.
• Permitir el aprendizaje de representaciones distribucionales robustas utilizando modelos generativos condicionales e invarianza distribucional.
• Demostrar la eficacia de los GDEs en la captura de propiedades estadísticas esenciales y la habilitación de operaciones significativas en el espacio latente.

Principales métodos:

• Desarrollamos un marco (GDEs) donde los codificadores procesan conjuntos de muestras y los decodificadores son reemplazados por generadores que igualan las distribuciones de entrada.
• Incorporamos modelos generativos condicionales con redes codificadoras que satisfacen la invarianza distribucional.
• Utilizamos embeddings del espacio de Wasserstein para aprender estadísticas suficientes predictivas.

Principales resultados:

• Los GDEs aprenden representaciones latentes donde las distancias aproximan la distancia de Wasserstein ($W_2$) y las interpolaciones recuperan trayectorias de transporte óptimo para distribuciones gaussianas.
• La evaluación sistemática en conjuntos de datos sintéticos muestra un rendimiento superior en comparación con los métodos existentes.
• Aplicamos con éxito los GDEs a seis problemas diversos de biología computacional, incluida la genómica de células únicas, la transcriptómica y el análisis de secuencias de proteínas.

Conclusiones:

• Los GDEs proporcionan un método potente para aprender y representar distribuciones de probabilidad, superando a los enfoques existentes.
• El marco demuestra un potencial significativo para avanzar en la biología computacional al permitir el análisis de datos biológicos complejos a gran escala.
• Los GDEs ofrecen una herramienta versátil para diversos dominios científicos que requieren razonamiento distribucional.