論文の概要: QuTE: decentralized multiple testing on sensor networks with false
discovery rate control
- arxiv url: http://arxiv.org/abs/2210.04334v1
- Date: Sun, 9 Oct 2022 19:48:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 19:56:32.513716
- Title: QuTE: decentralized multiple testing on sensor networks with false
discovery rate control
- Title(参考訳): qute: 偽発見率制御を用いたセンサネットワークの分散多重テスト
- Authors: Aaditya Ramdas and Jianbo Chen and Martin J. Wainwright and Michael I.
Jordan
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 130.7122910646076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper designs methods for decentralized multiple hypothesis testing on
graphs that are equipped with provable guarantees on the false discovery rate
(FDR). We consider the setting where distinct agents reside on the nodes of an
undirected graph, and each agent possesses p-values corresponding to one or
more hypotheses local to its node. Each agent must individually decide whether
to reject one or more of its local hypotheses by only communicating with its
neighbors, with the joint aim that the global FDR over the entire graph must be
controlled at a predefined level. We propose a simple decentralized family of
Query-Test-Exchange (QuTE) algorithms and prove that they can control FDR under
independence or positive dependence of the p-values. Our algorithm reduces to
the Benjamini-Hochberg (BH) algorithm when after graph-diameter rounds of
communication, and to the Bonferroni procedure when no communication has
occurred or the graph is empty. To avoid communicating real-valued p-values, we
develop a quantized BH procedure, and extend it to a quantized QuTE procedure.
QuTE works seamlessly in streaming data settings, where anytime-valid p-values
may be continually updated at each node. Last, QuTE is robust to arbitrary
dropping of packets, or a graph that changes at every step, making it
particularly suitable to mobile sensor networks involving drones or other
multi-agent systems. We study the power of our procedure using a simulation
suite of different levels of connectivity and communication on a variety of
graph structures, and also provide an illustrative real-world example.
- Abstract(参考訳): 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考案する。
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、グラフ全体のグローバル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の目的により、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。
本稿では,クエリテスト交換(qute)アルゴリズムの簡便な分散ファミリーを提案し,独立性やp値の正の依存によりfdrを制御できることを証明する。
提案アルゴリズムは,通信のグラフ次元ラウンド後のBenjamini-Hochberg (BH) アルゴリズムと,通信が起こらなかったり,グラフが空であったりした場合のBonferroniプロシージャに還元する。
実数値p値の通信を避けるために,量子化されたbh手続きを開発し,量子化されたqute手続きに拡張する。
QuTEはストリーミングデータ設定でシームレスに動作し、任意の時間価のp値が各ノードで継続的に更新される。
最後にQuTEは、任意のパケットのドロップ、あるいは各ステップで変化するグラフに対して堅牢であり、特にドローンや他のマルチエージェントシステムを含むモバイルセンサーネットワークに適している。
様々なグラフ構造上の様々なレベルの接続と通信のシミュレーションスイートを用いて,提案手法のパワーについて検討し,実世界の実例を示す。
関連論文リスト
- The Heterophilic Snowflake Hypothesis: Training and Empowering GNNs for Heterophilic Graphs [59.03660013787925]
ヘテロフィリー・スノーフレーク仮説を導入し、ヘテロ親和性グラフの研究をガイドし、促進するための効果的なソリューションを提供する。
観察の結果,我々のフレームワークは多種多様なタスクのための多目的演算子として機能することがわかった。
さまざまなGNNフレームワークに統合することができ、パフォーマンスを詳細に向上し、最適なネットワーク深さを選択するための説明可能なアプローチを提供する。
論文 参考訳(メタデータ) (2024-06-18T12:16:00Z) - Scalable Multi-agent Covering Option Discovery based on Kronecker Graphs [49.71319907864573]
本稿では,分解が容易なマルチエージェントスキル発見法を提案する。
我々のキーとなる考え方は、合同状態空間をクロネッカーグラフとして近似することであり、そのフィドラーベクトルを直接見積もることができる。
ラプラシアンスペクトルを直接計算することは、無限大の状態空間を持つタスクには難易度が高いことを考慮し、さらに本手法の深層学習拡張を提案する。
論文 参考訳(メタデータ) (2023-07-21T14:53:12Z) - Online Heavy-tailed Change-point detection [6.7643284029102295]
我々は,データ生成プロセスの第2モーメントが有界であると仮定した場合でも,クリッピングされたグラディエント・ディクセント(SGD)に基づくアルゴリズムを提案する。
我々は、有界な第2モーメントを持つすべての分布の族に対して、最悪の場合、有限サンプル偽陽性率(FPR)を導出する。
本手法は,データが高次元かつ基礎となる分布が重み付きであっても,有限サンプルFPRを保証する最初のOCPDアルゴリズムである。
論文 参考訳(メタデータ) (2023-06-15T23:39:05Z) - Online Centralized Non-parametric Change-point Detection via Graph-based
Likelihood-ratio Estimation [77.81487285123147]
グラフの各ノードを、ほぼリアルタイムで同期して観測されるデータストリームを生成するようにします。
変更ポイント$tau$では、変更はノードのサブセット$C$で発生し、関連するノードストリームの確率分布に影響を与える。
本稿では,ポストチェンジとノードストリームの事前変更分布の確率比の直接推定に基づいて,$tau$を検出して$C$をローカライズするカーネルベースの新しい手法を提案する。
論文 参考訳(メタデータ) (2023-01-08T10:15:24Z) - Sample-and-Forward: Communication-Efficient Control of the False
Discovery Rate in Networks [19.786769414376323]
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。
論文 参考訳(メタデータ) (2022-10-05T20:54:32Z) - Walk for Learning: A Random Walk Approach for Federated Learning from
Heterogeneous Data [17.978941229970886]
私たちは標準的アプリケーションとしてフェデレートラーニング(FL)に注目します。
FLの主な課題の1つは、ノードとパラメータサーバの間の通信ボトルネックである。
適応型ランダムウォーク学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-06-01T19:53:24Z) - Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳(メタデータ) (2022-02-09T06:05:05Z) - Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge
Computing [113.52575069030192]
セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。
通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。
分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。
分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
論文 参考訳(メタデータ) (2020-10-02T10:41:59Z) - PushNet: Efficient and Adaptive Neural Message Passing [1.9121961872220468]
メッセージパッシングニューラルネットワークは、最近、グラフ上での表現学習に対する最先端のアプローチへと進化した。
既存のメソッドは、複数のラウンドですべてのエッジに沿って同期メッセージパッシングを実行する。
我々は、収束するまで最も関連性の高いエッジに沿ってのみ情報をプッシュする、新しい非同期メッセージパッシングアプローチについて検討する。
論文 参考訳(メタデータ) (2020-03-04T18:15:30Z) - Adaptive Propagation Graph Convolutional Network [17.41698818541144]
グラフ畳み込みネットワーク(GCN)は、グラフデータに対して推論を行うニューラルネットワークモデルの一群である。
我々は,各ノードにおける通信ステップ数を独立に適応させることで,最先端の結果が得られることを示す。
提案した適応伝搬GCN (AP-GCN) は, 最適モデルよりも優れた, あるいは類似した結果が得られることを示す。
論文 参考訳(メタデータ) (2020-02-24T15:31:16Z)
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。