論文の概要: Inference and FDR Control for Simulated Ising Models in High-dimension
- arxiv url: http://arxiv.org/abs/2202.05612v1
- Date: Fri, 11 Feb 2022 13:49:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-14 23:19:30.976803
- Title: Inference and FDR Control for Simulated Ising Models in High-dimension
- Title(参考訳): 高次元における模擬イジングモデルの推論とFDR制御
- Authors: Haoyu Wei, Xiaoyu Lei, Huiming Zhang
- Abstract要約: シミュレーションしたIsingモデルの高次元背景における一貫性と統計的推測について検討する。
提案手法は, マルコフ連鎖モンテカルロ最大推定法 (MCMC-MLE) に基づく。
また、従来のp値と新しいe値を用いて、異なるアルゴリズムを用いて偽発見率(FDR)を制御する。
- 参考スコア(独自算出の注目度): 0.8057006406834467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper studies the consistency and statistical inference of simulated
Ising models in the high dimensional background. Our estimators are based on
the Markov chain Monte Carlo maximum likelihood estimation (MCMC-MLE) method
penalized by the Elastic-net. Under mild conditions that ensure a specific
convergence rate of MCMC method, the $\ell_{1}$ consistency of
Elastic-net-penalized MCMC-MLE is proved. We further propose a decorrelated
score test based on the decorrelated score function and prove the asymptotic
normality of the score function without the influence of many nuisance
parameters under the assumption that accelerates the convergence of the MCMC
method. The one-step estimator for a single parameter of interest is purposed
by linearizing the decorrelated score function to solve its root, as well as
its normality and confidence interval for the true value, therefore, be
established. Finally, we use different algorithms to control the false
discovery rate (FDR) via traditional p-values and novel e-values.
- Abstract(参考訳): 本稿では,高次元背景におけるシミュレーションイジングモデルの一貫性と統計的推論について検討する。
提案手法は, マルコフ連鎖モンテカルロ最大推定法 (MCMC-MLE) に基づく。
MCMC法の特定の収束率を保証する穏やかな条件下では、弾性ネットペナル化MCMC-MLEの$\ell_{1}$一貫性が証明される。
さらに,非相関スコア関数に基づく非相関スコアテストを提案し,MCMC法の収束を加速させる仮定の下で,多くのニュアンスパラメータの影響を受けずにスコア関数の漸近正規性を証明する。
興味のある1つのパラメータに対するワンステップ推定器は、その根を解くために相関スコア関数を線形化し、真の値に対する正規性と信頼区間を確立することにより、目的とする。
最後に、従来のp値と新しいe値を用いて、異なるアルゴリズムを用いて偽発見率(FDR)を制御する。
関連論文リスト
- A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。
本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文 参考訳(メタデータ) (2024-05-24T21:09:19Z) - Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
マルコフ決定過程(MDP)に対する最善かつ最悪の摂動下での政策評価について検討する。
これは、歴史的環境と将来の環境のシフトの可能性において重要な問題である。
本稿では、ある乗算係数またはその逆数への遷移カーネル密度を変更可能な摂動モデルを提案する。
論文 参考訳(メタデータ) (2024-03-29T18:11:49Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳(メタデータ) (2023-12-19T21:45:38Z) - Adaptive sparseness for correntropy-based robust regression via
automatic relevance determination [17.933460891374498]
我々は,最大コレントロピー基準(MCC)に基づくロバスト回帰アルゴリズムと自動妥当性判定(ARD)手法をベイズフレームワークに統合する。
我々は、MCCから固有のノイズ仮定を用いて、明示的な可能性関数を導出し、ARD前の最大後部推定(MAP)を実現する。
MCC-ARDはL1正規化MCCよりも優れた予測性能と特徴選択能力を実現している。
論文 参考訳(メタデータ) (2023-01-31T20:23:32Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳(メタデータ) (2022-12-01T17:36:30Z) - Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma
Distributions [91.63716984911278]
このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。
実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
論文 参考訳(メタデータ) (2021-11-11T14:28:12Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳(メタデータ) (2021-02-04T02:21:08Z) - Community Detection in the Stochastic Block Model by Mixed Integer
Programming [3.8073142980733]
Degree-Corrected Block Model (DCSBM) は、コミュニティ構造を持つランダムグラフを生成する一般的なモデルである。
DCSBMに基づくコミュニティ検出の標準的なアプローチは、最大推定(MLE)により観測されたネットワークデータを生成する可能性が最も高いモデルパラメータを探索することである。
本稿では,モデルパラメータと最大確率のコミュニティ割当を観測グラフから確実に求める数学的計画式と厳密解法を提案する。
論文 参考訳(メタデータ) (2021-01-26T22:04:40Z) - The Variational Method of Moments [65.91730154730905]
条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。
OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。
同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
論文 参考訳(メタデータ) (2020-12-17T07:21:06Z) - Rigid and Articulated Point Registration with Expectation Conditional
Maximization [20.096170794358315]
革新的なEMライクアルゴリズム、すなわちECMPR(Conditional Expectation Maximization for Point Registration)アルゴリズムを紹介します。
登録パラメータの推定の観点で、関連する結果について詳細に分析する。
堅固な登録を有形登録まで延長します。
論文 参考訳(メタデータ) (2020-12-09T17:36:11Z) - Non-convex Learning via Replica Exchange Stochastic Gradient MCMC [25.47669573608621]
本稿では,適応的複製交換SGMCMC(reSGMCMC)を提案し,バイアスを自動的に補正し,対応する特性について検討する。
実験では,様々な設定の広範囲な実験を通じてアルゴリズムを検証し,その結果を得た。
論文 参考訳(メタデータ) (2020-08-12T15:02:59Z)
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。