Analysis of multiple data sequences with different distributions: defining common principal component axes by ergodic sequence generation and multiple reweighting composition
Analysis of multiple data sequences with different distributions: defining common principal component axes by ergodic sequence generation and multiple reweighting composition
复制标题
不同分布的多个数据序列分析：通过遍历序列生成和多重重新加权组合定义公共主成分轴
DOI：
10.1088/2633-1357/ac0ac2
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Ikuo Fukuda and Kei Moritsugu
中科院分区：
文献类型：
--
作者：
Jiang Fei;Chen Xian;Ueda Kazuhiro;Ohgi Junji;三河正彦，照井章，堀込紀行;R. Fujiwara and H. Kitajima;Ikuo Fukuda and Kei Moritsugu
主成分分析（PCA）为给定的多维数据序列定义了一个由PC轴描述的缩减空间，以捕获数据的变化。在实践中，我们需要多个数据序列，准确地服从各个概率分布，为了公平地比较序列，我们需要PC轴，这些轴对于多个序列是共同的，但可以正确地捕获这些多个分布。对于这些要求，我们提出了个人遍历采样这些序列，并提供特殊的重新加权恢复目标分布。
Principal component analysis (PCA) defines a reduced space described by PC axes for a given multidimensional-data sequence to capture the variations of the data. In practice, we need multiple data sequences that accurately obey individual probability distributions and for a fair comparison of the sequences we need PC axes that are common for the multiple sequences but properly capture these multiple distributions. For these requirements, we present individual ergodic samplings for these sequences and provide special reweighting for recovering the target distributions.
通过耦合 Nose-Hoover 方程增强环肽环素的构象采样
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
Hayase Yumino;Aonuma Hitoshi;Takahara Satoshi;Sakaue Takahiro;Kaneko Shun'ichi;Nakanishi Hiizu;森次 圭
通讯作者：
森次 圭
DOI：
10.1088/1751-8121/aba027
发表时间：
2020-08
期刊：
Journal of Physics A: Mathematical and Theoretical
影响因子：
--
作者：
I. Fukuda;K. Moritsugu
通讯作者：
I. Fukuda;K. Moritsugu