Retaining principal components for discrete variables

The present study discusses retention criteria for principal components analysis (PCA) applied to Likert scale items typical in psychological questionnaires. The main aim is to recommend applied researchers to restrain from relying only on the eigenvalue-than-one criterion; alternative procedures are suggested for adjusting for sampling error. An additional objective is to add evidence on the consequences of applying this rule when PCA is used with discrete variables. The experimental conditions were studied by means of Monte Carlo sampling including several sample sizes, different number of variables and answer alternatives, and four non-normal distributions. The results suggest that even when all the items and thus the underlying dimensions are independent, eigenvalues greater than one are frequent and they can explain up to 80% of the variance in data, meeting the empirical criterion. The consequences of using Kaiser"s rule are illustrated with a clinical psychology example. The size of the eigenvalues resulted to be a function of the sample size and the number of variables, which is also the case for parallel analysis as previous research shows. To enhance the application of alternative criteria, an R package was developed for deciding the number of principal components to retain by means of confidence intervals constructed about the eigenvalues corresponding to lack of relationship between discrete variables.

How do the different components of episodic memory develop? Role of executive functions and short-term feature-binding abilities.

This study investigated the development of all 3 components of episodic memory (EM), as defined by Tulving, namely, core factual content, spatial context, and temporal context. To this end, a novel, ecologically valid test was administered to 109 participants aged 4-16 years. Results showed that each EM component develops at a different rate. Ability to memorize factual content emerges early, whereas context retrieval abilities continue to improve until adolescence, due to persistent encoding difficulties (isolated by comparing results on free recall and recognition tasks). Exploration of links with other cognitive functions revealed that short-term feature-binding abilities contribute to all EM components, and executive functions to temporal and spatial context, although ability to memorize temporal context is predicted mainly by age.

Defining molecular components of symbiotic phosphate uptake in rice

Phosphate (Pi) acquisition of crops via arbuscular mycorrhizal (AM) symbiosis acquires increasing importance due to the limited rock Pi reserves and the demand for environmentally sustainable agriculture. However, the symbiotic Pi uptake machinery has not been characterized in any monocotyledonous plant species. Among these, rice is the primary staple food for more than half of the human population and thus central for future food security. However, the relevance of the AM symbiosis for rice Pi nutrition is presently unclear. Here, we show that 70% of the overall Pi acquired by rice is delivered via the symbiotic route. To better understand this pathway we combined genetic, molecular and physiological approaches to determine the specific functions of the two rice Pi transporters, PT11 and PT13, which are expressed only during AM symbiosis. The PT11 lineage of proteins is present in mono- and dicotyledons whereas PT13, while found across the Poaceae, is absent from dicotyledons. Surprisingly, mutations in either PT11 or PT13 affected fungal colonization and arbuscule formation demonstrating that both genes are essential for AM symbiosis between rice and Glomus intra.rad.ices. Importantly, for symbiotic Pi uptake, only PT11 is necessary and sufficient. We found that mycorrhizal rice, remarkably, received almost all Pi via the symbiotic route. Such dominating mycorrhizal Pi uptake was found in plants grown under controlled conditions as well as in field soils, suggesting that the AM symbiosis is relevant for the Pi nutrition of field grown rice. Development of smaller arbuscules in PT11 mutants suggested that symbiotic Pi signaling is required for fungal nourishment by the plant. However, co-culture of mutant with wild type nurse plants did not restore normal arbuscule size in mutant roots, indicating that other factors than malnutrition accounted for the altered arbuscule phenotype. Surprisingly, the loss of PT13 did not affect symbiotic Pi uptake although it impacted arbuscule morphology, suggesting that PT13 is involved in signaling during arbuscule development. However, induction of PT13 was not only monitored in arbusculated cells but also in inner cortex cells of non-inoculated roots of plants grown under high Pi fertilization conditions. According to preliminary observations, PT13 localized at the tonoplast in arbusculated and non-arbusculated cells, suggesting that it might be involved in transporting Pi into the vacuole, possibly for maintaining cellular Pi homeostasis. The further investigation showed that fungal colonization level was significantly affected in the crown roots of two ptlS mutant alleles, but not in large lateral roots, implying the possible role of PT13 for maintaining Pi homeostasis in the crown roots. - L'acquisition de phosphate (Pi) par les plantes cultivées s'effectue grâce à une symbiose mycorhizienne arbasculaire (AM). L'étude de cette symbiose devient fondamentale puisque d'une part, les réserves en phosphate minéral sont limitées, et, d'autre part, la demande pour une agriculture écologiquement soutenable se renforce. La machinerie d'absorption symbiotique du phosphate n'est cependant pas encore élucidée chez les plantes monocotylédones. Parmi celles-ci, le riz occupe une place primordiale. Aliment de base pour plus de la moitié de la population mondiale, il revêt de ce fait une dimension essentielle en termes de sécurité alimentaire. Pourtant, l'importance de la symbiose AM chez le riz dans le processus d'acquisition du phosphate n'est, encore de nos jours, que peu comprise. Dans cette étude, nous montrons que 70% du phosphate acquis par le riz est mis à disposition de la plante grâce à la symbiose AM. Afin de mieux comprendre ce mécanisme, nous avons employé des approches physiologiques et génétiques nous permettant de déterminer les fonctions spécifiques de deux transporteurs de Pi, PT11 et PT13, présents chez le riz et exprimés uniquement durant la symbiose AM. La famille de gènes à laquelle appartient PT11 est présente chez les monocotylédones ainsi que chez les dicotylédones tandis que PT13, bien que retrouvé au sein des Poaceae, est absent chez les dicotylédones. Etonnamment, des versions mutées de PT11 ou de PT13 affectent la colonisation par le champignon endo-mycorhizien ainsi que la formation d'arbuscules, démontrant l'importance de ces deux gènes dans la symbiose AM entre le riz et Glomus intraradices. Il est à noter que seul PT11 se révèle nécessaire et suffisant pour l'apport de Pi grâce à la symbiose. Nous avons observé que la presque totalité du phosphate dont dispose le riz lors d'une symbiose AM provient du champignon. De telles proportions ont été observées tant chez des plantes cultivées en conditions contrôlées que chez des plantes cultivées dans les champs. Cela suggère l'importance de la symbiose AM dans le processus d'acquisition du Pi chez le riz cultivé à l'extérieur. Le développement d'arbuscules plus petits chez le mutant PT11 tend à montrer qu'une voie signalétique impliquant le Pi symbiotique est nécessaire pour l'entretien du champignon par la plante. Toutefois, une co-culture du mutant avec des plantes sauvages ne permet pas de restaurer des arbuscules de taille normale dans les racines du mutant. Ce résultat indique le rôle de facteurs autres que la malnutrition aboutissant à la formation d'arbuscules altérés. Si la perte de PT13 n'affecte pas l'acquisition de phosphate symbiotique, la morphologie de l'arbuscule est, quant à elle, modifiée. Ceci suggère un rôle de PT13 durant le développement de l'arbuscule. Or, l'induction de PT13 est non seulement détectée dans des cellules contenant des arbuscules mais également dans des cellules du cortex, ceci chez des plantes cultivées sans champignon mais dans des conditions de fortes concentrations en engrais phosphaté. En accord avec des observations précédentes, PT13 est localisé au niveau du tonoplaste des cellules contenant ou non des arbuscules. Ceci suggère que PT13 pourrait être impliqué dans le transport du Pi vers la vacuole, éventuellement pour maintenir une certaine homéostasie du phosphate. Dans cette étude, nous démontrons également que le niveau de colonisation par le champignon est affecté de manière significative dans les racines principales des deux allèles du mutants ptl3, mais pas dans les grosses racines latérales. Cela impliquerait un rôle possible de PT13 dans le maintien de l'homéostasie du phosphate dans les racines principales. RESUME POUR UN LARGE PUBLIC Le phosphate (Pi), l'un des éléments minéraux essentiel au développement des plantes, se trouve généralement en faible quantité dans le sol, limitant ainsi la croissance des plantes. Le rendement de la production agricole dépend dès lors de l'addition d'engrais contenant du phosphate inorganique (Pi), obtenu à partir de ressources minières riches en phosphate. Or, ces ressources devraient être épuisées d'ici la fin du siècle. Les racines des plantes possèdent des transporteurs de phosphate efficaces leur permettant d'acquérir rapidement le Pi présent dans le sol. Comme le Pi s'avère immobile dans le sol, l'absorption rapide par les racines crée des zones pauvres en Pi autour des systèmes racinaires. Pour surmonter cet obstacle, les plantes ont développé une symbiose avec des champignons endomycorhiziens, la symbiose mycorhizienne arbusculaire (AM). Cette association leur donne accès à d'autres ressources en phosphate puisque le mycélium de ces champignons se développe sur une surface 100 fois supérieure à celle des racines. Cela augmente considérablement la surface de nutrition, dépassant ainsi la zone appauvrie en Pi. Le phosphate, transporté grâce au champignon jusqu'à l'intérieur des racines, est fourni à la plante par le biais de structures établies à l'intérieur des cellules végétales, appelées arbuscules. De leur côté, les plantes possèdent des transporteurs spécifiques afin de recevoir le Pi fourni par les champignons. A l'heure actuelle, la machinerie nécessaire à cette absorption a été uniquement décrite chez des plantes dicotylédones. Or, comprendre l'apport de phosphate par les champignons mycorhiziens s'avère particulièrement pertinent dans le cas des espèces monocotylédones cultivées telles que les céréales. Ces dernières constituent en effet la majeure partie de l'alimentation humaine. Parmi les céréales, le riz demeure l'aliment de base de la population mondiale, d'où son importance en terme de sécurité alimentaire. Durant mon travail de thèse, j'ai identifié et caractérisé le transporteur du riz impliqué dans l'apport de phosphate par ce type de symbiose AM. J'ai également démontré que le riz, lorsqu'il vit en symbiose, bénéficie de la presque totalité du Pi transporté par le champignon. Environ 40% de la production globale de riz est cultivée dans des conditions permettant la symbiose avec des mycorhizes arbusculaires. Les variétés de riz adaptées à ces conditions aérobiques deviennent des alternatives favorables aux cultivars actuels nécessitant une forte irrigation. Elles se révèlent en effet plus tolérantes aux pénuries d'eau et permettent l'utilisation de pratiques agricoles moins intensives. Les données présentées dans cette étude enrichissent nos connaissances concernant l'absorption du phosphate chez le riz grâce à la symbiose AM. Ces connaissances peuvent s'avérer décisives pour le développement de cultivars du riz plus adaptés à une agriculture écologiquement soutenable.

Data-driven topo-climatic mapping with machine learning methods

Automatic environmental monitoring networks enforced by wireless communication technologies provide large and ever increasing volumes of data nowadays. The use of this information in natural hazard research is an important issue. Particularly useful for risk assessment and decision making are the spatial maps of hazard-related parameters produced from point observations and available auxiliary information. The purpose of this article is to present and explore the appropriate tools to process large amounts of available data and produce predictions at fine spatial scales. These are the algorithms of machine learning, which are aimed at non-parametric robust modelling of non-linear dependencies from empirical data. The computational efficiency of the data-driven methods allows producing the prediction maps in real time which makes them superior to physical models for the operational use in risk assessment and mitigation. Particularly, this situation encounters in spatial prediction of climatic variables (topo-climatic mapping). In complex topographies of the mountainous regions, the meteorological processes are highly influenced by the relief. The article shows how these relations, possibly regionalized and non-linear, can be modelled from data using the information from digital elevation models. The particular illustration of the developed methodology concerns the mapping of temperatures (including the situations of Föhn and temperature inversion) given the measurements taken from the Swiss meteorological monitoring network. The range of the methods used in the study includes data-driven feature selection, support vector algorithms and artificial neural networks.

An approach to predicting bowing control parameter contours in violin performance

We present a machine learning approach to modeling bowing control parametercontours in violin performance. Using accurate sensing techniqueswe obtain relevant timbre-related bowing control parameters such as bowtransversal velocity, bow pressing force, and bow-bridge distance of eachperformed note. Each performed note is represented by a curve parametervector and a number of note classes are defined. The principal componentsof the data represented by the set of curve parameter vectors are obtainedfor each class. Once curve parameter vectors are expressed in the new spacedefined by the principal components, we train a model based on inductivelogic programming, able to predict curve parameter vectors used for renderingbowing controls. We evaluate the prediction results and show the potentialof the model by predicting bowing control parameter contours from anannotated input score.

Machine learning for spatial environmental data. Theory, applications and software

The book presents the state of the art in machine learning algorithms (artificial neural networks of different architectures, support vector machines, etc.) as applied to the classification and mapping of spatially distributed environmental data. Basic geostatistical algorithms are presented as well. New trends in machine learning and their application to spatial data are given, and real case studies based on environmental and pollution data are carried out. The book provides a CD-ROM with the Machine Learning Office software, including sample sets of data, that will allow both students and researchers to put the concepts rapidly to practice.

Growth components and zinc recovery efficiency of upland rice genotypes

The objective of this work was to evaluate Zn use efficiency by upland rice genotypes. The experiment was carried out in a greenhouse, with ten upland rice genotypes grown on an Oxisol (Typic Hapludox) with no application, and with application of 10 mg kg-1 Zn, applied as zinc sulfate. Shoot dry weight, grain yield, Zn harvest index, Zn concentration in shoot and in grain were significantly influenced by soil Zn levels and genotypes. However, panicle number and grain harvest index were significantly affected only by genotype. Genotypes CNA8557, CNA8540 and IR42 produced higher grain yield than other genotypes. Genotypes showed significant variability in Zn recovery efficiency. On average, 13% of the applied Zn was recovered by upland rice genotypes. Genotypes with high Zn recovery efficiency could be used in breeding of Zn efficient upland rice cultivars. Higher level of soil Zn (10 mg kg-1) increased significantly the concentrations of plant Cu and Mn. However, Fe concentrations in plant (shoot and grain) were not influenced by soil Zn levels.

Improving a leaves automatic recognition process using PCA

In this work we present a simulation of a recognition process with perimeter characterization of a simple plant leaves as a unique discriminating parameter. Data coding allowing for independence of leaves size and orientation may penalize performance recognition for some varieties. Border description sequences are then used, and Principal Component Analysis (PCA) is applied in order to study which is the best number of components for the classification task, implemented by means of a Support Vector Machine (SVM) System. Obtained results are satisfactory, and compared with [4] our system improves the recognition success, diminishing the variance at the same time.

Hierarchical modeling gave plausible estimates of associations between metabolic syndrome and components of antiretroviral therapy.

OBJECTIVE: Hierarchical modeling has been proposed as a solution to the multiple exposure problem. We estimate associations between metabolic syndrome and different components of antiretroviral therapy using both conventional and hierarchical models. STUDY DESIGN AND SETTING: We use discrete time survival analysis to estimate the association between metabolic syndrome and cumulative exposure to 16 antiretrovirals from four drug classes. We fit a hierarchical model where the drug class provides a prior model of the association between metabolic syndrome and exposure to each antiretroviral. RESULTS: One thousand two hundred and eighteen patients were followed for a median of 27 months, with 242 cases of metabolic syndrome (20%) at a rate of 7.5 cases per 100 patient years. Metabolic syndrome was more likely to develop in patients exposed to stavudine, but was less likely to develop in those exposed to atazanavir. The estimate for exposure to atazanavir increased from hazard ratio of 0.06 per 6 months' use in the conventional model to 0.37 in the hierarchical model (or from 0.57 to 0.81 when using spline-based covariate adjustment). CONCLUSION: These results are consistent with trials that show the disadvantage of stavudine and advantage of atazanavir relative to other drugs in their respective classes. The hierarchical model gave more plausible results than the equivalent conventional model.

Two-step postmortem angiography with a modified heart-lung machine: preliminary results.

OBJECTIVE: The purpose of this study was to adapt and improve a minimally invasive two-step postmortem angiographic technique for use on human cadavers. Detailed mapping of the entire vascular system is almost impossible with conventional autopsy tools. The technique described should be valuable in the diagnosis of vascular abnormalities. MATERIALS AND METHODS: Postmortem perfusion with an oily liquid is established with a circulation machine. An oily contrast agent is introduced as a bolus injection, and radiographic imaging is performed. In this pilot study, the upper or lower extremities of four human cadavers were perfused. In two cases, the vascular system of a lower extremity was visualized with anterograde perfusion of the arteries. In the other two cases, in which the suspected cause of death was drug intoxication, the veins of an upper extremity were visualized with retrograde perfusion of the venous system. RESULTS: In each case, the vascular system was visualized up to the level of the small supplying and draining vessels. In three of the four cases, vascular abnormalities were found. In one instance, a venous injection mark engendered by the self-administration of drugs was rendered visible by exudation of the contrast agent. In the other two cases, occlusion of the arteries and veins was apparent. CONCLUSION: The method described is readily applicable to human cadavers. After establishment of postmortem perfusion with paraffin oil and injection of the oily contrast agent, the vascular system can be investigated in detail and vascular abnormalities rendered visible.

Machine learning for geospatial data : algorithms, software tools and case studies

Résumé Cette thèse est consacrée à l'analyse, la modélisation et la visualisation de données environnementales à référence spatiale à l'aide d'algorithmes d'apprentissage automatique (Machine Learning). L'apprentissage automatique peut être considéré au sens large comme une sous-catégorie de l'intelligence artificielle qui concerne particulièrement le développement de techniques et d'algorithmes permettant à une machine d'apprendre à partir de données. Dans cette thèse, les algorithmes d'apprentissage automatique sont adaptés pour être appliqués à des données environnementales et à la prédiction spatiale. Pourquoi l'apprentissage automatique ? Parce que la majorité des algorithmes d'apprentissage automatiques sont universels, adaptatifs, non-linéaires, robustes et efficaces pour la modélisation. Ils peuvent résoudre des problèmes de classification, de régression et de modélisation de densité de probabilités dans des espaces à haute dimension, composés de variables informatives spatialisées (« géo-features ») en plus des coordonnées géographiques. De plus, ils sont idéaux pour être implémentés en tant qu'outils d'aide à la décision pour des questions environnementales allant de la reconnaissance de pattern à la modélisation et la prédiction en passant par la cartographie automatique. Leur efficacité est comparable au modèles géostatistiques dans l'espace des coordonnées géographiques, mais ils sont indispensables pour des données à hautes dimensions incluant des géo-features. Les algorithmes d'apprentissage automatique les plus importants et les plus populaires sont présentés théoriquement et implémentés sous forme de logiciels pour les sciences environnementales. Les principaux algorithmes décrits sont le Perceptron multicouches (MultiLayer Perceptron, MLP) - l'algorithme le plus connu dans l'intelligence artificielle, le réseau de neurones de régression généralisée (General Regression Neural Networks, GRNN), le réseau de neurones probabiliste (Probabilistic Neural Networks, PNN), les cartes auto-organisées (SelfOrganized Maps, SOM), les modèles à mixture Gaussiennes (Gaussian Mixture Models, GMM), les réseaux à fonctions de base radiales (Radial Basis Functions Networks, RBF) et les réseaux à mixture de densité (Mixture Density Networks, MDN). Cette gamme d'algorithmes permet de couvrir des tâches variées telle que la classification, la régression ou l'estimation de densité de probabilité. L'analyse exploratoire des données (Exploratory Data Analysis, EDA) est le premier pas de toute analyse de données. Dans cette thèse les concepts d'analyse exploratoire de données spatiales (Exploratory Spatial Data Analysis, ESDA) sont traités selon l'approche traditionnelle de la géostatistique avec la variographie expérimentale et selon les principes de l'apprentissage automatique. La variographie expérimentale, qui étudie les relations entre pairs de points, est un outil de base pour l'analyse géostatistique de corrélations spatiales anisotropiques qui permet de détecter la présence de patterns spatiaux descriptible par une statistique. L'approche de l'apprentissage automatique pour l'ESDA est présentée à travers l'application de la méthode des k plus proches voisins qui est très simple et possède d'excellentes qualités d'interprétation et de visualisation. Une part importante de la thèse traite de sujets d'actualité comme la cartographie automatique de données spatiales. Le réseau de neurones de régression généralisée est proposé pour résoudre cette tâche efficacement. Les performances du GRNN sont démontrées par des données de Comparaison d'Interpolation Spatiale (SIC) de 2004 pour lesquelles le GRNN bat significativement toutes les autres méthodes, particulièrement lors de situations d'urgence. La thèse est composée de quatre chapitres : théorie, applications, outils logiciels et des exemples guidés. Une partie importante du travail consiste en une collection de logiciels : Machine Learning Office. Cette collection de logiciels a été développée durant les 15 dernières années et a été utilisée pour l'enseignement de nombreux cours, dont des workshops internationaux en Chine, France, Italie, Irlande et Suisse ainsi que dans des projets de recherche fondamentaux et appliqués. Les cas d'études considérés couvrent un vaste spectre de problèmes géoenvironnementaux réels à basse et haute dimensionnalité, tels que la pollution de l'air, du sol et de l'eau par des produits radioactifs et des métaux lourds, la classification de types de sols et d'unités hydrogéologiques, la cartographie des incertitudes pour l'aide à la décision et l'estimation de risques naturels (glissements de terrain, avalanches). Des outils complémentaires pour l'analyse exploratoire des données et la visualisation ont également été développés en prenant soin de créer une interface conviviale et facile à l'utilisation. Machine Learning for geospatial data: algorithms, software tools and case studies Abstract The thesis is devoted to the analysis, modeling and visualisation of spatial environmental data using machine learning algorithms. In a broad sense machine learning can be considered as a subfield of artificial intelligence. It mainly concerns with the development of techniques and algorithms that allow computers to learn from data. In this thesis machine learning algorithms are adapted to learn from spatial environmental data and to make spatial predictions. Why machine learning? In few words most of machine learning algorithms are universal, adaptive, nonlinear, robust and efficient modeling tools. They can find solutions for the classification, regression, and probability density modeling problems in high-dimensional geo-feature spaces, composed of geographical space and additional relevant spatially referenced features. They are well-suited to be implemented as predictive engines in decision support systems, for the purposes of environmental data mining including pattern recognition, modeling and predictions as well as automatic data mapping. They have competitive efficiency to the geostatistical models in low dimensional geographical spaces but are indispensable in high-dimensional geo-feature spaces. The most important and popular machine learning algorithms and models interesting for geo- and environmental sciences are presented in details: from theoretical description of the concepts to the software implementation. The main algorithms and models considered are the following: multi-layer perceptron (a workhorse of machine learning), general regression neural networks, probabilistic neural networks, self-organising (Kohonen) maps, Gaussian mixture models, radial basis functions networks, mixture density networks. This set of models covers machine learning tasks such as classification, regression, and density estimation. Exploratory data analysis (EDA) is initial and very important part of data analysis. In this thesis the concepts of exploratory spatial data analysis (ESDA) is considered using both traditional geostatistical approach such as_experimental variography and machine learning. Experimental variography is a basic tool for geostatistical analysis of anisotropic spatial correlations which helps to understand the presence of spatial patterns, at least described by two-point statistics. A machine learning approach for ESDA is presented by applying the k-nearest neighbors (k-NN) method which is simple and has very good interpretation and visualization properties. Important part of the thesis deals with a hot topic of nowadays, namely, an automatic mapping of geospatial data. General regression neural networks (GRNN) is proposed as efficient model to solve this task. Performance of the GRNN model is demonstrated on Spatial Interpolation Comparison (SIC) 2004 data where GRNN model significantly outperformed all other approaches, especially in case of emergency conditions. The thesis consists of four chapters and has the following structure: theory, applications, software tools, and how-to-do-it examples. An important part of the work is a collection of software tools - Machine Learning Office. Machine Learning Office tools were developed during last 15 years and was used both for many teaching courses, including international workshops in China, France, Italy, Ireland, Switzerland and for realizing fundamental and applied research projects. Case studies considered cover wide spectrum of the real-life low and high-dimensional geo- and environmental problems, such as air, soil and water pollution by radionuclides and heavy metals, soil types and hydro-geological units classification, decision-oriented mapping with uncertainties, natural hazards (landslides, avalanches) assessments and susceptibility mapping. Complementary tools useful for the exploratory data analysis and visualisation were developed as well. The software is user friendly and easy to use.