Fugu-MT 論文翻訳(概要): Bayesian Sparse Covariance Structure Analysis for Correlated Count Data

論文の概要: Bayesian Sparse Covariance Structure Analysis for Correlated Count Data

arxiv url: http://arxiv.org/abs/2006.03241v1
Date: Fri, 5 Jun 2020 05:34:35 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 04:29:36.465877
Title: Bayesian Sparse Covariance Structure Analysis for Correlated Count Data
Title（参考訳）: 相関数データに対するベイズ偏差共分散構造解析
Authors: Sho Ichigozaki, Takahiro Kawashima and Hayaru Shouno
Abstract要約: 犯罪の潜在的なリスクを支配している潜伏変数に対するガウス図式モデルを仮定する。提案したモデルを用いて,潜在変数のスパース逆共分散を推定し,偏相関係数を評価する。
参考スコア（独自算出の注目度）: 3.867363075280544
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a Bayesian Graphical LASSO for correlated countable data and apply it to spatial crime data. In the proposed model, we assume a Gaussian Graphical Model for the latent variables which dominate the potential risks of crimes. To evaluate the proposed model, we determine optimal hyperparameters which represent samples better. We apply the proposed model for estimation of the sparse inverse covariance of the latent variable and evaluate the partial correlation coefficients. Finally, we illustrate the results on crime spots data and consider the estimated latent variables and the partial correlation coefficients of the sparse inverse covariance.
Abstract（参考訳）: 本稿では,相関可算データに対するベイズ図形LASSOを提案し,空間犯罪データに適用する。提案モデルでは,犯罪の潜在的なリスクを支配する潜在変数に対するガウス図形モデルを仮定する。提案モデルを評価するために,サンプルを良く表現する最適ハイパーパラメータを決定する。提案したモデルを用いて,潜在変数のスパース逆共分散を推定し,偏相関係数を評価する。最後に, 犯罪スポットデータを用いた結果を示し, 推定潜時変数とスパース逆共分散の偏相関係数について考察する。

関連論文リスト

Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文参考訳（メタデータ） (2024-11-04T14:29:02Z)
Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。本手法は, 推定手法よりも有効であることを示す。
論文参考訳（メタデータ） (2024-08-26T08:39:09Z)
Branch and Bound to Assess Stability of Regression Coefficients in Uncertain Models [0.6990493129893112]
提案アルゴリズムは,数学的な結果のサポート,サンプルアプリケーション,コンピュータコードへのリンクなどとともに導入する。これは、研究者が高次元データを要約し、不確実なモデルにおける回帰係数の安定性を評価するのに役立つ。
論文参考訳（メタデータ） (2024-08-19T01:37:14Z)
A Graphical Model for Fusing Diverse Microbiome Data [2.385985842958366]
本稿では,このような数値データを共同でモデル化するフレキシブルな多項ガウス生成モデルを提案する。本稿では、潜在変数とモデルのパラメータを推定するための、計算にスケーラブルな変動予測-最大化(EM)アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-08-21T17:54:39Z)
Performance of Bayesian linear regression in a model with mismatch [8.60118148262922]
本研究では,ガウス先行の対数対数対のベイズ分布の平均値から得られる推定器の性能を解析した。この推論モデルは、スピングラスにおけるガードナーモデルのバージョンとして記述することができる。
論文参考訳（メタデータ） (2021-07-14T18:50:13Z)
Accuracy on the Line: On the Strong Correlation Between Out-of-Distribution and In-Distribution Generalization [89.73665256847858]
分布外性能は,広範囲なモデルと分布シフトに対する分布内性能と強く相関していることを示す。具体的には,CIFAR-10 と ImageNet の変種に対する分布内分布と分布外分布性能の強い相関関係を示す。また,CIFAR-10-Cと組織分類データセットCamelyon17-WILDSの合成分布の変化など,相関が弱いケースについても検討した。
論文参考訳（メタデータ） (2021-07-09T19:48:23Z)
Autoregressive Score Matching [113.4502004812927]
自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
論文参考訳（メタデータ） (2020-10-24T07:01:24Z)
Sparse Cholesky covariance parametrization for recovering latent structure in ordered data [1.5349431582672617]
共分散行列のコレスキー因子における任意の零パターンに着目する。そこで本研究では,行列損失のペナル化に基づく新しい推定手法を提案する。実験結果に基づいて、各設定にどの方法がより適切か分析する。
論文参考訳（メタデータ） (2020-06-02T08:35:00Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)
SUMO: Unbiased Estimation of Log Marginal Probability for Latent Variable Models [80.22609163316459]
無限級数のランダム化トランケーションに基づく潜在変数モデルに対して、ログ境界確率の非バイアス推定器とその勾配を導入する。推定器を用いてトレーニングしたモデルは、同じ平均計算コストに対して、標準的な重要度サンプリングに基づくアプローチよりも優れたテストセット確率を与えることを示す。
論文参考訳（メタデータ） (2020-04-01T11:49:30Z)
Blocked Clusterwise Regression [0.0]
我々は、各ユニットが複数の潜伏変数を持つことを可能にすることで、離散的非観測的不均一性に対する以前のアプローチを一般化する。我々は,クラスタの過剰な数のクラスタリングの理論に寄与し,この設定に対する新たな収束率を導出する。
論文参考訳（メタデータ） (2020-01-29T23:29:31Z)

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。