論文の概要: Active Learning of Continuous-time Bayesian Networks through Interventions

• arxiv url: http://arxiv.org/abs/2105.14742v1
• Date: Mon, 31 May 2021 07:13:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 17:40:17.034158
• Title: Active Learning of Continuous-time Bayesian Networks through Interventions
• Title（参考訳）: 介入による連続時間ベイズネットワークのアクティブラーニング
• Authors: Dominik Linzner and Heinz Koeppl
• Abstract要約: 最小限の実験資源下での時間軸データから連続時間ベイズネットワーク(CTBN)の学習構造とパラメータの問題を考察する。 予測情報ゲインの変動近似に基づく実験設計のための新しい基準を提案する。
• 参考スコア（独自算出の注目度）: 38.728001040001615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of learning structures and parameters of Continuous-time Bayesian Networks (CTBNs) from time-course data under minimal experimental resources. In practice, the cost of generating experimental data poses a bottleneck, especially in the natural and social sciences. A popular approach to overcome this is Bayesian optimal experimental design (BOED). However, BOED becomes infeasible in high-dimensional settings, as it involves integration over all possible experimental outcomes. We propose a novel criterion for experimental design based on a variational approximation of the expected information gain. We show that for CTBNs, a semi-analytical expression for this criterion can be calculated for structure and parameter learning. By doing so, we can replace sampling over experimental outcomes by solving the CTBNs master-equation, for which scalable approximations exist. This alleviates the computational burden of sampling possible experimental outcomes in high-dimensions. We employ this framework in order to recommend interventional sequences. In this context, we extend the CTBN model to conditional CTBNs in order to incorporate interventions. We demonstrate the performance of our criterion on synthetic and real-world data.
• Abstract（参考訳）: 最小限の実験資源下での時間軸データから連続時間ベイズネットワーク(CTBN)の学習構造とパラメータを考察する。 実際に、実験データを生成するコストは、特に自然科学や社会科学においてボトルネックとなる。 これを克服するための一般的なアプローチはベイズ最適実験設計(BOED)である。 しかし、BOEDはすべての実験結果の統合を含むため、高次元設定では実現不可能となる。 本稿では,期待情報ゲインの変動近似に基づく実験設計の新しい基準を提案する。 ctbnsでは、構造とパラメータ学習のために、この基準に対する半解析式を計算できることを示す。 これにより、スケーラブルな近似が存在するCTBNのマスター方程式を解くことで、実験結果よりもサンプリングを置き換えることができる。 これにより、高次元における実験結果のサンプリングの計算負担が軽減される。 我々はこの枠組みを用いて介入シーケンスを推薦する。 本稿では,CTBNモデルを条件付きCTBNに拡張し,介入を取り入れる。 合成および実世界のデータに対する評価基準の性能を実証する。

関連論文リスト

• Learning Coupled Subspaces for Multi-Condition Spike Data [8.114880112033644]
  神経科学では、研究者は複数の条件下で実験を行い、高次元スパイクトレインデータセットの形で神経応答を得る。 実験条件空間上でスムーズなチューニング関数を学習するための非パラメトリックベイズ手法を提案する。
  論文  参考訳（メタデータ） (2024-10-24T20:44:28Z)
• Adaptive Experimentation When You Can't Experiment [55.86593195947978]
  本稿では,Emphcon founded the pure exploration transductive linear bandit (textttCPET-LB) problem。 オンラインサービスは、ユーザーを特定の治療にインセンティブを与える、適切にランダム化された励ましを利用することができる。
  論文  参考訳（メタデータ） (2024-06-15T20:54:48Z)
• Task-specific experimental design for treatment effect estimation [59.879567967089145]
  因果推論の標準は大規模ランダム化試験(RCT)である。 近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。 実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
  論文  参考訳（メタデータ） (2023-06-08T18:10:37Z)
• Intervention Generalization: A View from Factor Graph Models [7.117681268784223]
  操作されたシステムの分布の因子化に関する最小限の仮定に基づいて、過去の実験から新しい条件への飛躍をいかに保証するかを詳しく検討する。 仮定された$textitinterventional Factor Model$ (IFM) は必ずしも情報であるとは限らないが、不測のコンバウンディングとフィードバックのメカニズムを明示的にモデル化する必要性を便利に抽象化する。
  論文  参考訳（メタデータ） (2023-06-06T21:44:23Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• New Paradigms for Exploiting Parallel Experiments in Bayesian Optimization [0.0]
  本稿では,システムの構造を利用して設計空間を分割する並列BOパラダイムを提案する。 具体的には,性能関数のレベルセットに従って設計空間を分割する手法を提案する。 以上の結果から,本手法は検索時間を大幅に削減し,グローバルな(ローカルではなく)ソリューションを見つける可能性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-10-03T16:45:23Z)
• Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
  本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。 この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
  論文  参考訳（メタデータ） (2020-08-10T09:42:59Z)
• Estimating the Effects of Continuous-valued Interventions using Generative Adversarial Networks [103.14809802212535]
  我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。 我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。 継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:46:21Z)
• Bayesian Experimental Design for Implicit Models by Mutual Information Neural Estimation [16.844481439960663]
  データ・ジェネレーションの分布が魅力的ながサンプリングが可能なインプリシット・モデルは、自然科学においてユビキタスである。 基本的な問題は、収集したデータが最も有用になるように実験を設計する方法である。 しかし、暗黙のモデルでは、この手法は後続計算の計算コストが高いために著しく妨げられている。 ニューラルネットワークをトレーニングして、MIの下位境界を最大化することで、最適な設計と後部を共同で決定できることが示される。
  論文  参考訳（メタデータ） (2020-02-19T12:09:42Z)

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。