論文の概要: Sparse Symmetric Tensor Regression for Functional Connectivity Analysis
- arxiv url: http://arxiv.org/abs/2010.14700v1
- Date: Wed, 28 Oct 2020 02:07:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 04:44:34.229280
- Title: Sparse Symmetric Tensor Regression for Functional Connectivity Analysis
- Title（参考訳）: 関数接続解析のための疎対称テンソル回帰
- Authors: Da Xu
- Abstract要約: 本稿では,自由パラメータの数をさらに減らし,対称性および通常のCP回帰よりも優れた性能が得られるスパース対称テンソル回帰法を提案する。
提案手法をバークレー高齢コーホート研究(BACS)からアルツハイマー病(AD)と正常年齢の研究に適用し,ADにとって重要な2つの関心領域を検出する。
- 参考スコア（独自算出の注目度）: 13.482969034243581
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tensor regression models, such as CP regression and Tucker regression, have
many successful applications in neuroimaging analysis where the covariates are
of ultrahigh dimensionality and possess complex spatial structures. The
high-dimensional covariate arrays, also known as tensors, can be approximated
by low-rank structures and fit into the generalized linear models. The
resulting tensor regression achieves a significant reduction in dimensionality
while remaining efficient in estimation and prediction. Brain functional
connectivity is an essential measure of brain activity and has shown
significant association with neurological disorders such as Alzheimer's
disease. The symmetry nature of functional connectivity is a property that has
not been explored in previous tensor regression models. In this work, we
propose a sparse symmetric tensor regression that further reduces the number of
free parameters and achieves superior performance over symmetrized and ordinary
CP regression, under a variety of simulation settings. We apply the proposed
method to a study of Alzheimer's disease (AD) and normal ageing from the
Berkeley Aging Cohort Study (BACS) and detect two regions of interest that have
been identified important to AD.
- Abstract（参考訳）: CP回帰やタッカー回帰のようなテンソル回帰モデルは、共変体が超高次元で複雑な空間構造を持つ神経画像解析において多くの成功を収めている。
高次元共変量配列はテンソルとしても知られ、ローランク構造によって近似することができ、一般化線形モデルに適合する。
結果として生じるテンソル回帰は、推定と予測において効率を保ちながら、次元の大幅な減少を達成する。
脳機能接続は脳活動の重要な指標であり、アルツハイマー病などの神経疾患と重要な関連性を示している。
関数接続の対称性の性質は、以前のテンソル回帰モデルでは研究されていない性質である。
本研究では,様々なシミュレーション設定の下で,自由パラメータの数をさらに削減し,対称性および通常のCP回帰よりも優れた性能が得られる疎対称テンソル回帰を提案する。
提案手法をバークレー高齢コーホート研究(BACS)からアルツハイマー病(AD)と正常年齢の研究に適用し,ADにとって重要な2つの関心領域を検出する。
関連論文リスト
- Deep Generative Symbolic Regression [83.04219479605801]
記号回帰は、データから簡潔な閉形式数学的方程式を発見することを目的としている。
既存の手法は、探索から強化学習まで、入力変数の数に応じてスケールできない。
本稿では,我々のフレームワークであるDeep Generative Symbolic Regressionのインスタンス化を提案する。
論文 参考訳（メタデータ） (2023-12-30T17:05:31Z) - Deep Geometric Learning with Monotonicity Constraints for Alzheimer's
Disease Progression [8.923442084735075]
アルツハイマー病(英語: Alzheimer's disease、AD)は、進行性および不可逆性認知症に先行する破壊的な神経変性疾患である。
深層学習に基づくデータバリアビリティと空間性に関するアプローチは、本質的に幾何学的性質についてはまだ検討されていない。
本研究では,縦型MRIバイオマーカーと認知スコアをモデル化した新しい幾何学的学習手法を提案する。
論文 参考訳（メタデータ） (2023-10-05T07:14:34Z) - Bayesian longitudinal tensor response regression for modeling
neuroplasticity [0.0]
縦断的神経画像研究における主要な関心は、訪問中の治療やその他の要因によるボクセルレベルの神経可塑性の研究である。
本研究では,空間分散ボクセル間で情報をプールする縦画像データに対する新しいベイズテンソル応答回帰手法を提案する。
提案手法は, 個別レベルの神経可塑性を推定し, パーソナライズされた疾患や回復軌道の検査を可能にする。
論文 参考訳（メタデータ） (2023-09-12T18:48:18Z) - Understanding Augmentation-based Self-Supervised Representation Learning
via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。
この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文 参考訳（メタデータ） (2023-06-01T15:18:55Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - Robust High-Dimensional Regression with Coefficient Thresholding and its
Application to Imaging Data Analysis [7.640041402805495]
実世界の画像データにおいて、複雑な依存と可能な外れ値の両方が存在する場合、高次元データを解析するための統計的手法を開発することが重要である。
論文 参考訳（メタデータ） (2021-09-30T05:29:54Z) - Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing
Regressions In NLP Model Updates [68.09049111171862]
この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。
回帰フリーモデル更新を制約付き最適化問題に定式化する。
モデルアンサンブルが回帰を減らす方法を実証的に分析します。
論文 参考訳（メタデータ） (2021-05-07T03:33:00Z) - The Neural Tangent Kernel in High Dimensions: Triple Descent and a
Multi-Scale Theory of Generalization [34.235007566913396]
現代のディープラーニングモデルでは、トレーニングデータに適合するために必要なパラメータよりもはるかに多くのパラメータが採用されている。
この予期せぬ振る舞いを記述するための新たなパラダイムは、エンファンダブル降下曲線(英語版)である。
本稿では,勾配降下を伴う広帯域ニューラルネットワークの挙動を特徴付けるニューラル・タンジェント・カーネルを用いた一般化の高精度な高次元解析を行う。
論文 参考訳（メタデータ） (2020-08-15T20:55:40Z) - Measuring Model Complexity of Neural Networks with Curve Activation
Functions [100.98319505253797]
本稿では,線形近似ニューラルネットワーク(LANN)を提案する。
ニューラルネットワークのトレーニングプロセスを実験的に検討し、オーバーフィッティングを検出する。
我々は、$L1$と$L2$正規化がモデルの複雑さの増加を抑制することを発見した。
論文 参考訳（メタデータ） (2020-06-16T07:38:06Z) - Hyperbolic Neural Networks++ [66.16106727715061]
ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。
実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
論文 参考訳（メタデータ） (2020-06-15T08:23:20Z) - Generalisation error in learning with random features and the hidden
manifold model [23.71637173968353]
合成データセットの一般線形回帰と分類について検討した。
我々は,高次元構造を考察し,統計物理学からのレプリカ法を用いる。
閾値をピークとしたロジスティック回帰のためのいわゆる二重降下挙動を得る方法を示す。
隠れ多様体モデルにより生成されたデータにおいて相関関係が果たす役割について論じる。
論文 参考訳（メタデータ） (2020-02-21T14:49:41Z)
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。