論文の概要: The Sylvester Graphical Lasso (SyGlasso)

• arxiv url: http://arxiv.org/abs/2002.00288v1
• Date: Sat, 1 Feb 2020 22:57:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 00:45:37.870681
• Title: The Sylvester Graphical Lasso (SyGlasso)
• Title（参考訳）: The Sylvester Graphical Lasso (SyGlasso)
• Authors: Yu Wang, Byoungwook Jang, Alfred Hero
• Abstract要約: このモデルは、生成モデルを定義するシルヴェスター方程式に基づいている。 変数間の条件付き独立関係を推定するために,ノードワイズ回帰手法を採用する。 我々は,脳の接続性と時間的依存の両方を同時に推定できることを実証した。
• 参考スコア（独自算出の注目度）: 4.322234105727178
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces the Sylvester graphical lasso (SyGlasso) that captures multiway dependencies present in tensor-valued data. The model is based on the Sylvester equation that defines a generative model. The proposed model complements the tensor graphical lasso (Greenewald et al., 2019) that imposes a Kronecker sum model for the inverse covariance matrix by providing an alternative Kronecker sum model that is generative and interpretable. A nodewise regression approach is adopted for estimating the conditional independence relationships among variables. The statistical convergence of the method is established, and empirical studies are provided to demonstrate the recovery of meaningful conditional dependency graphs. We apply the SyGlasso to an electroencephalography (EEG) study to compare the brain connectivity of alcoholic and nonalcoholic subjects. We demonstrate that our model can simultaneously estimate both the brain connectivity and its temporal dependencies.
• Abstract（参考訳）: 本稿では,テンソル値データに存在するマルチウェイ依存性をキャプチャするSylvester Graphical lasso(SyGlasso)を提案する。 このモデルは生成モデルを定義するシルベスター方程式に基づいている。 提案モデルは、生成的で解釈可能な代替のクロネッカー和モデルを提供することで、逆共分散行列に対してクローネッカー和モデルを課すテンソルグラフラッソ(Greenewald et al., 2019)を補完する。 変数間の条件付き独立関係を推定するために,ノードワイズ回帰手法を採用する。 本手法の統計的収束性を確立し,有意な条件依存グラフの回復を実証するための実証的研究を行った。 我々はSyGlassoを脳波検査(EEG)に応用し、アルコールおよび非アルコール患者の脳の接続性を比較した。 モデルが脳との接続と時間的依存性の両方を同時に推定できることを実証する。

関連論文リスト

• Likelihood Based Inference in Fully and Partially Observed Exponential Family Graphical Models with Intractable Normalizing Constants [4.532043501030714]
  マルコフ確率場を符号化する確率的グラフィカルモデルは、生成的モデリングの基本的な構成要素である。 本稿では,これらのモデルの全確率に基づく解析が,計算効率のよい方法で実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-04-27T02:58:22Z)
• Cyclic Directed Probabilistic Graphical Model: A Proposal Based on Structured Outcomes [0.0]
  本稿では,指向性周期依存を直接キャプチャ可能な確率的グラフィカルモデル(確率的関係ネットワーク)について述べる。 このモデルは確率公理に違反せず、観測データからの学習をサポートする。 特に、確率的推論をサポートし、データ分析やエキスパートおよび設計アプリケーションにおいて、将来的なツールとなる。
  論文  参考訳（メタデータ） (2023-10-25T10:19:03Z)
• Provable Tensor Completion with Graph Information [49.08648842312456]
  本稿では,動的グラフ正規化テンソル完備問題の解法として,新しいモデル,理論,アルゴリズムを提案する。 我々はテンソルの低ランクおよび類似度構造を同時に捉える包括的モデルを開発する。 理論の観点からは、提案したグラフの滑らか度正規化と重み付きテンソル核ノルムとの整合性を示す。
  論文  参考訳（メタデータ） (2023-10-04T02:55:10Z)
• Interpretable and Scalable Graphical Models for Complex Spatio-temporal Processes [3.469001874498102]
  論文は、複雑な時間構造を持つデータと、解釈可能かつ解釈可能な方法で構造を学ぶ確率的グラフィカルモデルに焦点を当てている。 この方法論の実践的応用は、実際のデータセットを用いて検討される。 これには、データを用いた脳接続分析、太陽画像データを用いた宇宙天気予報、Twitterデータを用いた世論の縦断的分析、TalkLifeデータを用いたメンタルヘルス関連の問題のマイニングが含まれる。
  論文  参考訳（メタデータ） (2023-01-15T05:39:30Z)
• Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
  本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。 この問題は楕円分布のペナルティ化された最大推定値として表される。 楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
  論文  参考訳（メタデータ） (2022-10-21T13:19:45Z)
• Graph Polynomial Convolution Models for Node Classification of Non-Homophilous Graphs [52.52570805621925]
  本研究では,高階グラフ畳み込みからの効率的な学習と,ノード分類のための隣接行列から直接学習する。 得られたモデルが新しいグラフと残留スケーリングパラメータをもたらすことを示す。 提案手法は,非親和性パラメータのノード分類における精度の向上を実証する。
  論文  参考訳（メタデータ） (2022-09-12T04:46:55Z)
• On the Strong Correlation Between Model Invariance and Generalization [54.812786542023325]
  一般化は、見えないデータを分類するモデルの能力をキャプチャする。 不変性はデータの変換におけるモデル予測の一貫性を測定する。 データセット中心の視点から、あるモデルの精度と不変性は異なるテストセット上で線形に相関している。
  論文  参考訳（メタデータ） (2022-07-14T17:08:25Z)
• Bivariate vine copula based regression, bivariate level and quantile curves [0.0]
  予測回帰設定における2つの応答の対称的処理に特化して設計された新しいグラフ構造モデルを提案する。 我々は、回帰の典型的な欠点として、予測子の変換や相互作用、コリニアリティ、量子交差を避けるために、ブドウコプラを用いる。 我々は韓国ソウルの気象観測に我々のアプローチを適用した。
  論文  参考訳（メタデータ） (2022-05-05T10:41:01Z)
• Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
  本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。 本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
  論文  参考訳（メタデータ） (2022-02-05T08:21:04Z)
• An additive graphical model for discrete data [6.821476515155997]
  加算条件独立性に基づく離散ノード変数の非パラメトリックグラフィカルモデルを提案する。 離散確率変数の特性を利用して、加法的条件独立と条件独立との深い関係を明らかにする。
  論文  参考訳（メタデータ） (2021-12-29T17:48:12Z)
• Hyperbolic Graph Embedding with Enhanced Semi-Implicit Variational Inference [48.63194907060615]
  半単純グラフ変分自動エンコーダを用いて,低次元グラフ潜在表現における高次統計量を取得する。 我々は、階層構造を示すグラフを効率的に表現するために、ポインケア埋め込みを通して潜在空間に双曲幾何学を組み込む。
  論文  参考訳（メタデータ） (2020-10-31T05:48:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。