論文の概要: Staged trees and asymmetry-labeled DAGs

• arxiv url: http://arxiv.org/abs/2108.01994v1
• Date: Wed, 4 Aug 2021 12:20:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-05 17:37:29.917032
• Title: Staged trees and asymmetry-labeled DAGs
• Title（参考訳）: 段木と非対称性標識DAG
• Authors: Gherardo Varando, Federico Carli, Manuele Leonelli
• Abstract要約: 本稿では,実生木を最小のベイズネットワークで表現し,直感的に条件付き独立性を読み取る方法を提案する。 また,非対称性ラベル付き有向非巡回グラフ (asymmetric-labeled direct acyclic graph) と呼ばれる新しいラベル付きグラフも定義する。
• 参考スコア（独自算出の注目度）: 2.66269503676104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian networks are a widely-used class of probabilistic graphical models capable of representing symmetric conditional independence between variables of interest using the topology of the underlying graph. They can be seen as a special case of the much more general class of models called staged trees, which can represent any type of non-symmetric conditional independence. Here we formalize the relationship between these two models and introduce a minimal Bayesian network representation of the staged tree, which can be used to read conditional independences in an intuitive way. Furthermore, we define a new labeled graph, termed asymmetry-labeled directed acyclic graph, whose edges are labeled to denote the type of dependence existing between any two random variables. Various datasets are used to illustrate the methodology, highlighting the need to construct models which more flexibly encode and represent non-symmetric structures.
• Abstract（参考訳）: ベイズネットワーク(英: Bayesian network)は、グラフのトポロジーを用いて、興味のある変数間の対称的な条件独立を表現できる確率的グラフィカルモデルのクラスである。 これらはステージ木と呼ばれるより一般的なモデルの特別な場合と見なすことができ、任意の種類の非対称条件独立を表現できる。 ここでは,これら2つのモデル間の関係を定式化し,条件付き独立性を直感的に読み取るために使用可能な,ステージ付きツリーの最小ベイズネットワーク表現を導入する。 さらに、非対称ラベル有向非巡回グラフと呼ばれる新しいラベル付きグラフを定義し、その辺は任意の2つの確率変数の間に存在する依存型を表すためにラベル付けされる。 様々なデータセットが方法論を説明するために使用され、非対称構造をより柔軟にエンコードし表現するモデルを構築する必要性を強調している。

関連論文リスト

• Graph-Dictionary Signal Model for Sparse Representations of Multivariate Data [49.77103348208835]
  グラフの有限集合がラプラシアンの重み付き和を通してデータ分布の関係を特徴付けるグラフ辞書信号モデルを定義する。 本稿では,観測データからグラフ辞書表現を推論するフレームワークを提案する。 我々は,脳活動データに基づく運動画像復号作業におけるグラフ辞書表現を利用して,従来の手法よりも想像的な動きをよりよく分類する。
  論文  参考訳（メタデータ） (2024-11-08T17:40:43Z)
• Identifiability of a statistical model with two latent vectors: Importance of the dimensionality relation and application to graph embedding [2.6651200086513107]
  統計モデルの識別可能性は、教師なし表現学習における鍵となる概念である。 本稿では,非線形ICAを一般化した1つの補助データを持つ2つの潜在ベクトルの統計モデルを提案する。 意外なことに,提案モデルの不確定性は,ある条件下ではEmphlinear ICAと同一であることが証明された。
  論文  参考訳（メタデータ） (2024-05-30T07:11:20Z)
• 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)
• Meaning Representations from Trajectories in Autoregressive Models [106.63181745054571]
  入力テキストを拡張可能なすべてのトラジェクトリの分布を考慮し,自己回帰言語モデルから意味表現を抽出する。 この戦略はプロンプトフリーであり、微調整は必要とせず、事前訓練された自己回帰モデルにも適用できる。 我々は,大規模なモデルから得られた表現が人間のアノテーションとよく一致し,意味的類似性タスクにおける他のゼロショットおよびプロンプトフリーメソッドよりも優れており,標準埋め込みが扱えないより複雑なエンタテインメントや包含タスクの解決に使用できることを実証的に示す。
  論文  参考訳（メタデータ） (2023-10-23T04:35:58Z)
• Creating generalizable downstream graph models with random projections [22.690120515637854]
  本稿では,グラフ全体にわたってモデルを一般化するグラフ表現学習手法について検討する。 遷移行列の複数のパワーを推定するためにランダムな射影を用いることで、同型不変な特徴の集合を構築することができることを示す。 結果として得られる特徴は、ノードの局所的近傍に関する十分な情報を回復するために使用することができ、他のアプローチと競合する推論を可能にする。
  論文  参考訳（メタデータ） (2023-02-17T14:27:00Z)
• GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
  本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。 提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。 第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
  論文  参考訳（メタデータ） (2022-12-01T11:49:07Z)
• Structural Learning of Simple Staged Trees [2.3572498744567127]
  そこで,本研究では,単純な樹木の分類のための構造学習アルゴリズムについて紹介する。 データ学習された単純な木は、しばしばモデル適合性においてベイズネットワークを上回っていることを示す。
  論文  参考訳（メタデータ） (2022-03-08T20:50:39Z)
• An Interpretable Graph Generative Model with Heterophily [38.59200985962146]
  ヘテロフィリーを捉えるのに十分な表現性を持つ最初のエッジ非依存グラフ生成モデルを提案する。 我々の実験は、様々な重要なアプリケーションタスクに対して、我々のモデルの有効性を実証する。
  論文  参考訳（メタデータ） (2021-11-04T17:34:39Z)
• Joint Estimation of Image Representations and their Lie Invariants [57.3768308075675]
  画像は世界の状態とコンテンツの両方をエンコードする。 この情報の自動抽出は、画像表現に固有の高次元かつ絡み合った符号化のために困難である。 本稿では,これらの課題の解決を目的とした2つの理論的アプローチを紹介する。
  論文  参考訳（メタデータ） (2020-12-05T00:07:41Z)
• Probabilistic Circuits for Variational Inference in Discrete Graphical Models [101.28528515775842]
  変分法による離散的グラフィカルモデルの推論は困難である。 エビデンス・ロウアーバウンド(ELBO)を推定するためのサンプリングに基づく多くの手法が提案されている。 Sum Product Networks (SPN) のような確率的回路モデルのトラクタビリティを活用する新しい手法を提案する。 選択的SPNが表現的変動分布として適していることを示し、対象モデルの対数密度が重み付けされた場合、対応するELBOを解析的に計算可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-22T05:04:38Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。