論文の概要: Hierarchical Clustering and Matrix Completion for the Reconstruction of
World Input-Output Tables
- arxiv url: http://arxiv.org/abs/2203.08819v1
- Date: Wed, 16 Mar 2022 16:40:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-19 09:57:35.403666
- Title: Hierarchical Clustering and Matrix Completion for the Reconstruction of
World Input-Output Tables
- Title(参考訳): 世界出力テーブルの再構築のための階層クラスタリングと行列補完
- Authors: Rodolfo Metulini, Giorgio Gnecco, Francesco Biancalani, Massimo
Riccaboni
- Abstract要約: 本稿では,階層クラスタリングとマトリックスコンプリート(MC)をLASSOのような核ノルムのペナルティと組み合わせた手法を提案する。
提案手法の有効性について,前年のデータと,現在のデータが隠蔽されている国と類似した国に関する現在のデータの両方から,不足値を推定する手法の有効性を検討した。
- 参考スコア(独自算出の注目度): 0.45880283710344055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: World Input-Output (I/O) matrices provide the networks of within- and
cross-country economic relations. In the context of I/O analysis, the
methodology adopted by national statistical offices in data collection raises
the issue of obtaining reliable data in a timely fashion and it makes the
reconstruction of (part of) the I/O matrices of particular interest. In this
work, we propose a method combining hierarchical clustering and Matrix
Completion (MC) with a LASSO-like nuclear norm penalty, to impute missing
entries of a partially unknown I/O matrix. Through simulations based on
synthetic matrices we study the effectiveness of the proposed method to predict
missing values from both previous years data and current data related to
countries similar to the one for which current data are obscured. To show the
usefulness of our method, an application based on World Input-Output Database
(WIOD) tables - which are an example of industry-by-industry I/O tables - is
provided. Strong similarities in structure between WIOD and other I/O tables
are also found, which make the proposed approach easily generalizable to them.
- Abstract(参考訳): 世界入出力(i/o)行列は内国間経済関係のネットワークを提供する。
I/O分析の文脈では、データ収集において国家統計局が採用する方法論は、信頼できるデータをタイムリーに取得することの問題を提起し、特に関心のあるI/O行列を再構築する(一部)。
本研究では,階層クラスタリングとマトリックスコンプリート(MC)をLASSO型核ノルムペナルティと組み合わせて,部分的に未知のI/Oマトリクスを欠落させる手法を提案する。
合成行列に基づくシミュレーションにより,前年のデータと現在のデータに類似した国に関連する現在のデータの両方から欠落値を予測するための提案手法の有効性について検討した。
本手法の有用性を示すために,産業用産業用I/Oテーブルの例として,WIOD(World Input-Output Database)テーブルに基づくアプリケーションを提案する。
WIODと他のI/Oテーブルの構造の強い類似性も見出され、提案手法の一般化が容易となった。
関連論文リスト
- Weakly supervised covariance matrices alignment through Stiefel matrices
estimation for MEG applications [64.20396555814513]
本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。
我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。
MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
論文 参考訳(メタデータ) (2024-01-24T19:04:49Z) - Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。
大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
論文 参考訳(メタデータ) (2023-10-09T14:30:06Z) - Classification of BCI-EEG based on augmented covariance matrix [0.0]
本稿では,運動画像分類の改善を目的とした自己回帰モデルから抽出した拡張共分散に基づく新しいフレームワークを提案する。
私たちはMOABBフレームワークを使って、いくつかのデータセットといくつかの主題でアプローチを検証します。
論文 参考訳(メタデータ) (2023-02-09T09:04:25Z) - The Ordered Matrix Dirichlet for Modeling Ordinal Dynamics [54.96229007229786]
観測された動作タイプに潜伏状態のマッピングを行うための順序付き行列ディリクレ(OMD)を提案する。
OMD上に構築されたモデルでは、解釈可能な潜在状態を復元し、数ショット設定で優れた予測性能を示す。
論文 参考訳(メタデータ) (2022-12-08T08:04:26Z) - A Generalized Latent Factor Model Approach to Mixed-data Matrix
Completion with Entrywise Consistency [3.299672391663527]
マトリックスコンプリート(Matrix completion)は、部分的に観察された行列における欠落したエントリの予測に関する機械学習手法のクラスである。
非線型因子モデルの一般族の下での低ランク行列推定問題として定式化する。
低ランク行列を推定するためのエントリーワイドな一貫した推定器を提案する。
論文 参考訳(メタデータ) (2022-11-17T00:24:47Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2022-08-12T17:03:50Z) - MIRACLE: Causally-Aware Imputation via Learning Missing Data Mechanisms [82.90843777097606]
欠落データに対する因果認識型計算アルゴリズム(MIRACLE)を提案する。
MIRACLEは、欠落発生機構を同時にモデル化することにより、ベースラインの計算を反復的に洗練する。
我々は、MIRACLEが一貫してイミューテーションを改善することができることを示すために、合成および様々な公開データセットに関する広範な実験を行う。
論文 参考訳(メタデータ) (2021-11-04T22:38:18Z) - Learning Multimodal VAEs through Mutual Supervision [72.77685889312889]
MEMEは、相互監督を通じて暗黙的にモダリティ間の情報を結合する。
我々は、MEMEが、部分的および完全観察スキームの双方で標準メトリクスのベースラインを上回ることを実証する。
論文 参考訳(メタデータ) (2021-06-23T17:54:35Z) - Deep Learning Approach for Matrix Completion Using Manifold Learning [3.04585143845864]
本論文では,線形モデルと非線形モデルを組み合わせたデータ行列の新しい潜在変数モデルを提案する。
データマトリクスのエントリ間の線形および非線形関係の両方に対処するために、新しいディープニューラルネットワークベースの行列補完アルゴリズムを設計します。
論文 参考訳(メタデータ) (2020-12-11T01:01:54Z) - Robust Matrix Completion with Mixed Data Types [0.0]
我々は,データ型が混在する部分的なエントリを持つ構造的低ランク行列を復元する問題を考察する。
ほとんどのアプローチは、基礎となる分布は1つしかないと仮定し、低階の制約は、行列 Satten Norm によって正則化される。
本稿では, 並列化に適したアルゴリズムフレームワークとともに, 高い回復保証を有する計算可能な統計手法を提案し, 混合データ型に対する部分的に観測されたエントリを持つ低階行列を1ステップで復元する。
論文 参考訳(メタデータ) (2020-05-25T21:35:10Z) - Orthogonal Inductive Matrix Completion [25.03115399173275]
本稿では,正則な側情報項の和に基づいて,行列補完に対する解釈可能なアプローチを提案する。
提案手法は,確率的に収束するアルゴリズムにより最適化する。
我々は,OMICの性能を複数の合成および実データに対して解析する。
論文 参考訳(メタデータ) (2020-04-03T16:21:23Z)
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。