在 I-LCA 架構下表徵和轉換有向無環圖 (DAG)
本文提出了一種基於 I-LCA 框架的 DAG 簡化方法，通過移除非 I-LCA 頂點，將任意 DAG 轉換為 I-LCA 相關的 DAG，並探討了該方法在保留原始 DAG 結構特性的同時，如何有效簡化圖形複雜度，特別是在處理具有樹狀或擬樹狀叢集系統的 DAG 時，該方法能將其轉換為對應的樹或擬樹結構。
I-LCA 프레임워크 내에서 DAG의 특성화 및 변환: 특정 잎 노드 부분 집합에 대해 고유한 LCA를 갖는 DAG에 초점
본 논문에서는 방향성 비순환 그래프(DAG)를 I-LCA 프레임워크 내에서 특성화하고 변환하는 방법을 제시하며, 특히 잎 노드의 특정 부분 집합에 대해 고유한 최소 공통 조상(LCA)을 갖는 DAG에 중점을 둡니다. 이러한 DAG는 계통 네트워크 모델링에서 중요한 역할을 합니다.
I-LCA フレームワークにおける有向非巡回グラフ (DAG) の特徴付けと変換：系統ネットワークの簡素化と進化における洞察の解明
本稿では、系統ネットワークの複雑さを軽減し、進化における重要な構造的特性を明らかにするために、有向非巡回グラフ (DAG) を I-LCA フレームワーク内で特徴付け、変換する方法を提案する。
Characterizing and Simplifying Directed Acyclic Graphs (DAGs) Using the Concept of Least Common Ancestors
This research paper presents a method for simplifying complex directed acyclic graphs (DAGs), particularly those used in phylogenetic networks, by focusing on vertices that serve as unique least common ancestors (LCAs) for specific subsets of leaves.
分子類似性を定量化するためのコホモロジーベースのグロモフ・ハウスドルフ距離アプローチ
本稿では、分子の構造的類似性を評価するために、ループや空隙などの局所的なトポロジー的特徴を捉える、コホモロジーベースのグロモフ・ハウスドルフ超距離法を初めて導入する。
資訊、確定性和學習：比較鴿子和老鼠的關聯學習
動物的學習速率與條件刺激 (CS) 提供關於非條件刺激 (US) 的資訊量直接相關，且這種關係在不同物種間具有一致性，支持了基於資訊理論的條件反射模型。
情報量、確実性、学習：ハトとラットにおける条件づけ学習の普遍的なモデル
動物における条件づけ学習は、条件刺激（CS）が無条件刺激（US）について提供する情報量、つまりCSとUSの時間的関係によって決定されるという普遍的なモデルが示唆される。
The Impact of Informativeness (C/T Ratio) and Reinforcement Rate on Pavlovian Conditioning in Rats
The rate of learning in Pavlovian conditioning, both in pigeons and rats, is directly related to the informativeness of the conditioned stimulus (CS) about the unconditioned stimulus (US), measured as the ratio of the US-US interval (C) to the CS-US interval (T), or C/T ratio.
介紹雙重不對稱簡單排斥過程 (DASEP)
本文介紹了一種新的組合形式——雙重不對稱簡單排斥過程 (DASEP)，並探討了其在單維晶格上的組合學，包括相關的生成函數和穩態概率，並證明了這些穩態概率與更簡單的非對稱簡單排斥過程 (ASEP) 之間的關係。
이중 비대칭 단순 배제 과정(DASEP) 소개: ASEP에서 DASEP로의 확장 및 정상 상태 확률 비교
본 논문에서는 입자가 종을 바꿀 수 있는 생물학적 과정에서 영감을 받은 새로운 조합 형식인 DASEP(이중 비대칭 단순 배제 과정)를 소개하고, 1차원 격자에서 DASEP의 조합 및 관련 생성 함수를 살펴보고, DASEP의 정상 상태 확률을 탐구하고, 이러한 정상 상태 확률을 더 단순한 ASEP의 확률과 관련시키는 결과를 증명합니다.
© 2024 by Linnk AI