論文の概要: Sample-and-Forward: Communication-Efficient Control of the False
Discovery Rate in Networks
- arxiv url: http://arxiv.org/abs/2210.02555v1
- Date: Wed, 5 Oct 2022 20:54:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 17:19:24.049376
- Title: Sample-and-Forward: Communication-Efficient Control of the False
Discovery Rate in Networks
- Title（参考訳）: サンプル・アンド・フォワード:ネットワークにおける偽発見率の通信効率制御
- Authors: Mehrdad Pournaderi and Yu Xiang
- Abstract要約: この研究は、通信制約下でのネットワークにおける偽発見率(FDR)の制御に関するものである。
一般的なトポロジを持つマルチホップネットワークに対するBenjamini-Hochberg(BH)プロシージャのフレキシブルで通信効率のよいサンプル・アンド・フォワードを提案する。
- 参考スコア（独自算出の注目度）: 19.786769414376323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work concerns controlling the false discovery rate (FDR) in networks
under communication constraints. We present sample-and-forward, a flexible and
communication-efficient version of the Benjamini-Hochberg (BH) procedure for
multihop networks with general topologies. Our method evidences that the nodes
in a network do not need to communicate p-values to each other to achieve a
decent statistical power under the global FDR control constraint. Consider a
network with a total of $m$ p-values, our method consists of first sampling the
(empirical) CDF of the p-values at each node and then forwarding
$\mathcal{O}(\log m)$ bits to its neighbors. Under the same assumptions as for
the original BH procedure, our method has both the provable finite-sample FDR
control as well as competitive empirical detection power, even with a few
samples at each node. We provide an asymptotic analysis of power under a
mixture model assumption on the p-values.
- Abstract（参考訳）: この研究は、通信制約下でのネットワークにおける偽発見率(FDR)の制御に関するものである。
一般的なトポロジを持つマルチホップネットワークに対するBenjamini-Hochberg(BH)プロシージャのフレキシブルで通信効率のよいサンプル・アンド・フォワードを提案する。
提案手法は,ネットワーク内のノードが相互にp値を伝える必要が無く,グローバルfdr制御制約下で適切な統計力を実現することを実証する。
合計$m$p-値のネットワークを考えると、この手法はまず各ノードにおけるp-値の(経験的な)CDFをサンプリングし、次に隣接するノードに$\mathcal{O}(\log m)$ビットを転送する。
元のBH法と同じ仮定の下では,提案手法は証明可能な有限サンプルFDR制御と,各ノードに数個のサンプルを持つ競合的実証検出能力の両方を有する。
p値に対する混合モデル仮定の下での電力の漸近解析を提供する。
関連論文リスト
- Network two-sample test for block models [16.597465729143813]
2組のネットワークが同じモデルに由来するかどうかを判定することを目的とするネットワークの2サンプルテスト問題を考える。
ネットワーク分布にブロックモデル(SBM)を適用するのは,その解釈可能性と,より一般的なモデルに近似する可能性からである。
推定されたネットワークパラメータにマッチする効率的なアルゴリズムを導入し、サンプル内およびサンプル間の情報を適切に組み合わせ、コントラスト化することで、強力なテストを実現する。
論文 参考訳（メタデータ） (2024-06-10T04:28:37Z) - Discrete Probabilistic Inference as Control in Multi-path Environments [84.67055173040107]
本稿では,離散分布と構造化分布からサンプリングする問題を逐次決定問題として考察する。
我々は,GFlowNetが,フローの保存を強制することによって,報酬に比例してオブジェクトをサンプリングするポリシーを学習していることを示す。
また、GFlowNetの文献で見られるフローマッチングの目的が、精度の高いMaxEnt RLアルゴリズムと等価であることも証明した。
論文 参考訳（メタデータ） (2024-02-15T20:20:35Z) - Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth
Soft-Thresholding [57.71603937699949]
我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。
トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
論文 参考訳（メタデータ） (2023-09-12T13:03:47Z) - Joint Bayesian Inference of Graphical Structure and Parameters with a
Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。
サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。
パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文 参考訳（メタデータ） (2023-05-30T19:16:44Z) - On Large-Scale Multiple Testing Over Networks: An Asymptotic Approach [2.3072402651280517]
この研究は、ネットワーク上での大規模多重テストのための通信および計算効率の手法の開発に関するものである。
提案手法は,分散設定に合わせて,比例マッチングとgreedyアグリゲーションという2つの手法を提案する。
どちらの方法も、FDRとパワーの両方に収束率を与える。
論文 参考訳（メタデータ） (2022-11-29T10:10:39Z) - QuTE: decentralized multiple testing on sensor networks with false
discovery rate control [130.7122910646076]
本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。
異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。
各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
論文 参考訳（メタデータ） (2022-10-09T19:48:39Z) - Sound and Complete Verification of Polynomial Networks [55.9260539566555]
PN(Polynomial Networks)は、最近顔と画像の認識において有望な性能を示した。
分岐とバウンド(BaB)技術に基づくReLUニューラルネットワーク(NN)上の既存の検証アルゴリズムは、PN検証に自明に適用できない。
我々は、VPNと呼ばれるグローバルコンバージェンス保証のためのBaBを備えた新しいバウンダリング手法を考案した。
論文 参考訳（メタデータ） (2022-09-15T11:50:43Z) - On the Effective Number of Linear Regions in Shallow Univariate ReLU
Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。
我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文 参考訳（メタデータ） (2022-05-18T16:57:10Z) - AdaPT-GMM: Powerful and robust covariate-assisted multiple testing [0.7614628596146599]
偽発見率(FDR)制御を用いた複数検定の実証的ベイズ法を提案する。
本手法は,アダプティブp値しきい値法(AdaPT)をマスク方式の一般化により洗練する。
我々は、AdaPT-GMMと呼ばれる新しい手法が一貫して高出力を実現することを、広範囲にわたるシミュレーションと実データ例で示す。
論文 参考訳（メタデータ） (2021-06-30T05:06:18Z) - Multi-Level Local SGD for Heterogeneous Hierarchical Networks [11.699472346137739]
異種ネットワークにおける学習・非目的フレームワークのための分散勾配法であるマルチレベルローカルSGDを提案する。
まず,マルチレベル局所SGDアルゴリズムを記述する統一数学的手法を提案する。
次に,アルゴリズムの理論的解析を行う。
論文 参考訳（メタデータ） (2020-07-27T19:14:23Z)
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。