論文の概要: High-dimensional Inference and FDR Control for Simulated Markov Random
Fields
- arxiv url: http://arxiv.org/abs/2202.05612v3
- Date: Sat, 20 Jan 2024 03:21:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 00:40:04.821409
- Title: High-dimensional Inference and FDR Control for Simulated Markov Random
Fields
- Title(参考訳): マルコフ確率場に対する高次元推論とFDR制御
- Authors: Haoyu Wei, Xiaoyu Lei, Yixin Han, Huiming Zhang
- Abstract要約: 本稿では,高次元環境におけるマルコフ確率場に対する統計的推測について検討する。
弾性ネット正規化を用いた最大チェインモンテカルロ類似度推定法を提案する。
- 参考スコア(独自算出の注目度): 1.9458156037869137
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identifying important features linked to a response variable is a fundamental
task in various scientific domains. This article explores statistical inference
for simulated Markov random fields in high-dimensional settings. We introduce a
methodology based on Markov Chain Monte Carlo Maximum Likelihood Estimation
(MCMC-MLE) with Elastic-net regularization. Under mild conditions on the MCMC
method, our penalized MCMC-MLE method achieves $\ell_{1}$-consistency. We
propose a decorrelated score test, establishing both its asymptotic normality
and that of a one-step estimator, along with the associated confidence
interval. Furthermore, we construct two false discovery rate control procedures
via the asymptotic behaviors for both p-values and e-values. Comprehensive
numerical simulations confirm the theoretical validity of the proposed methods.
- Abstract(参考訳): 応答変数に関連する重要な特徴を特定することは、様々な科学領域における基本的な課題である。
本稿では,高次元環境におけるマルコフ確率場の統計的推論について検討する。
本稿では,Markov Chain Monte Carlo Maximum Likelihood Estimation (MCMC-MLE) に基づく弾性ネット正規化手法を提案する。
MCMC法では, 軽度条件下では, MCMC-MLE法は$\ell_{1}$-consistencyを実現する。
本研究では,その漸近的正規性と一段階推定器のそれと関連する信頼区間を両立させた相関スコアテストを提案する。
さらに,p値とe値の両方に対する漸近的行動を通じて,偽発見率制御手順を2つ構築する。
総合数値シミュレーションにより提案手法の理論的妥当性が検証された。
関連論文リスト
- Online Variational Sequential Monte Carlo [56.16884466478886]
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) - Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。
演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
論文 参考訳(メタデータ) (2022-01-21T02:46:57Z) - 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) - Heterogeneous Tensor Mixture Models in High Dimensions [5.656785831541303]
我々は,不均質な共分散を持つ柔軟高次元テンソル混合モデルを導入する問題を考える。
本手法は,実パラメータの統計的近傍に幾何学的に収束することを示す。
自閉症スペクトラム障害の診断に重要な脳領域を明らかにする。
論文 参考訳(メタデータ) (2021-04-15T21:06:16Z) - 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。