論文の概要: Robust Bayesian Nonnegative Matrix Factorization with Implicit Regularizers

• arxiv url: http://arxiv.org/abs/2208.10053v1
• Date: Mon, 22 Aug 2022 04:34:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 13:53:02.230794
• Title: Robust Bayesian Nonnegative Matrix Factorization with Implicit Regularizers
• Title（参考訳）: 帰納正規化器を用いたロバストベイズ非負行列分解
• Authors: Jun Lu, Christine P. Chai
• Abstract要約: 非負行列因数分解(NMF)学習のための暗黙ノルム正規化を用いた確率モデルを導入する。 がんにおける薬物感受性のゲノムを含む実世界のいくつかのデータセットでモデルを評価した。
• 参考スコア（独自算出の注目度）: 4.913248451323163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a probabilistic model with implicit norm regularization for learning nonnegative matrix factorization (NMF) that is commonly used for predicting missing values and finding hidden patterns in the data, in which the matrix factors are latent variables associated with each data dimension. The nonnegativity constraint for the latent factors is handled by choosing priors with support on the nonnegative subspace, e.g., exponential density or distribution based on exponential function. Bayesian inference procedure based on Gibbs sampling is employed. We evaluate the model on several real-world datasets including Genomics of Drug Sensitivity in Cancer (GDSC $IC_{50}$) and Gene body methylation with different sizes and dimensions, and show that the proposed Bayesian NMF GL$_2^2$ and GL$_\infty$ models lead to robust predictions for different data values and avoid overfitting compared with competitive Bayesian NMF approaches.
• Abstract（参考訳）: 非負行列因子化(nmf)を学習するために暗黙のノルム正規化を伴う確率論的モデルを導入し、欠落値の予測やデータ内の隠れパターンの発見によく用いられる。 潜在因子に対する非負性制約は、指数関数に基づく指数密度や分布など、非負の部分空間に基づく事前の選択によって処理される。 ギブスサンプリングに基づくベイズ推定手法を用いる。 我々は,がんにおける薬物感受性のゲノム (GDSC $IC_{50}$) や,サイズや次元の異なる遺伝子体メチル化などの実世界のデータセット上でモデルを評価し,提案したベイズ的NMF GL$_2^2$およびGL$_\infty$モデルが,競合するベイズ的NMFアプローチと比較して頑健な予測を導き,過度に適合しないことを示す。

関連論文リスト

• A Graphical Model for Fusing Diverse Microbiome Data [2.385985842958366]
  本稿では,このような数値データを共同でモデル化するフレキシブルな多項ガウス生成モデルを提案する。 本稿では、潜在変数とモデルのパラメータを推定するための、計算にスケーラブルな変動予測-最大化(EM)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-21T17:54:39Z)
• Comparative Study of Inference Methods for Interpolative Decomposition [4.913248451323163]
  補間分解(ID)学習のための自動関係決定(ARD)を用いた確率モデルを提案する。 CCLE $EC50$, CCLE $IC50$, Gene Body Methylation, promoteder Methylation datasets with different size, and dimensions。
  論文  参考訳（メタデータ） (2022-06-29T11:37:05Z)
• Bayesian Low-Rank Interpolative Decomposition for Complex Datasets [4.913248451323163]
  本稿では,特徴選択,低ランク近似,データ中の隠れパターンの同定によく用いられる補間分解(ID)の確率モデルを提案する。 我々は,CCLE EC50,CCLE IC50,CTRP EC50,MovieLens 100Kデータセットなど,さまざまな実世界のデータセット上でモデルを評価した。
  論文  参考訳（メタデータ） (2022-05-30T03:06:48Z)
• Flexible and Hierarchical Prior for Bayesian Nonnegative Matrix Factorization [4.913248451323163]
  非負行列分解(NMF)を学習するための確率モデルを導入する。 サイズや寸法の異なるMovieLens 100KやMovieLens 1Mなどの実世界のデータセットでモデルを評価した。
  論文  参考訳（メタデータ） (2022-05-23T03:51:55Z)
• Log-based Sparse Nonnegative Matrix Factorization for Data Representation [55.72494900138061]
  非負の行列因子化(NMF)は、非負のデータを部品ベースの表現で表すことの有効性から、近年広く研究されている。 そこで本研究では,係数行列に対数ノルムを課した新しいNMF法を提案する。 提案手法のロバスト性を高めるために,$ell_2,log$-(pseudo) ノルムを新たに提案した。
  論文  参考訳（メタデータ） (2022-04-22T11:38:10Z)
• Optimal regularizations for data generation with probabilistic graphical models [0.0]
  経験的に、よく調和された正規化スキームは、推論されたモデルの品質を劇的に改善する。 生成的ペアワイドグラフィカルモデルの最大Aポストエリオーリ(MAP)推論におけるL2とL1の正規化について検討する。
  論文  参考訳（メタデータ） (2021-12-02T14:45:16Z)
• Entropy Minimizing Matrix Factorization [102.26446204624885]
  NMF(Nonnegative Matrix Factorization)は、広く使用されているデータ分析技術であり、多くの実際のタスクで印象的な結果をもたらしました。 本研究では,上述の問題に対処するために,EMMF (Entropy Minimizing Matrix Factorization framework) を開発した。 通常、外れ値が通常のサンプルよりもはるかに小さいことを考えると、行列分解のために新しいエントロピー損失関数が確立される。
  論文  参考訳（メタデータ） (2021-03-24T21:08:43Z)
• Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
  本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。 堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。 異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
  論文  参考訳（メタデータ） (2020-07-21T08:18:06Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Slice Sampling for General Completely Random Measures [74.24975039689893]
  本稿では, 後続推定のためのマルコフ連鎖モンテカルロアルゴリズムについて, 補助スライス変数を用いてトランケーションレベルを適応的に設定する。 提案アルゴリズムの有効性は、いくつかの一般的な非パラメトリックモデルで評価される。
  論文  参考訳（メタデータ） (2020-06-24T17:53:53Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。