論文の概要: On Correlation Detection and Alignment Recovery of Gaussian Databases
- arxiv url: http://arxiv.org/abs/2211.01069v2
- Date: Thu, 25 May 2023 10:02:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 23:46:25.851550
- Title: On Correlation Detection and Alignment Recovery of Gaussian Databases
- Title（参考訳）: ガウスデータベースの相関検出とアライメント回復について
- Authors: Ran Tamir
- Abstract要約: 相関検出は仮説テストの問題であり、ヌル仮説ではデータベースは独立であり、代替仮説では相関する。
我々は,タイプIとタイプIIの誤差確率のバウンダリを開発し,解析された検出器が最近提案した検出器よりも優れた性能を示すことを示す。
データベースが相関として受け入れられると、アルゴリズムは与えられたデータベース間の部分的なアライメントを復元する。
- 参考スコア（独自算出の注目度）: 5.33024001730262
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we propose an efficient two-stage algorithm solving a joint
problem of correlation detection and partial alignment recovery between two
Gaussian databases. Correlation detection is a hypothesis testing problem;
under the null hypothesis, the databases are independent, and under the
alternate hypothesis, they are correlated, under an unknown row permutation. We
develop bounds on the type-I and type-II error probabilities, and show that the
analyzed detector performs better than a recently proposed detector, at least
for some specific parameter choices. Since the proposed detector relies on a
statistic, which is a sum of dependent indicator random variables, then in
order to bound the type-I probability of error, we develop a novel
graph-theoretic technique for bounding the $k$-th order moments of such
statistics. When the databases are accepted as correlated, the algorithm also
recovers some partial alignment between the given databases. We also propose
two more algorithms: (i) One more algorithm for partial alignment recovery,
whose reliability and computational complexity are both higher than those of
the first proposed algorithm. (ii) An algorithm for full alignment recovery,
which has a reduced amount of calculations and a not much lower error
probability, when compared to the optimal recovery procedure.
- Abstract（参考訳）: 本研究では,2つのガウスデータベース間の相関検出と部分的アライメント回復の連立問題を効率的に解く2段階アルゴリズムを提案する。
相関検出は仮説テスト問題であり、ヌル仮説の下ではデータベースは独立であり、代替仮説では未知の行置換の下で相関する。
我々は,タイプIとタイプIIの誤差確率のバウンダリを開発し,解析された検出器が最近提案した検出器よりも高い性能を示すことを示す。
提案した検出器は、従属指標の確率変数の和である統計に依存するので、タイプIの誤差確率を束縛するために、そのような統計の$k$-次モーメントを束縛する新しいグラフ理論手法を開発する。
データベースが関連付けられると、アルゴリズムは与えられたデータベース間の部分的アライメントを回復する。
さらに2つのアルゴリズムを提案します
(i)部分アライメント回復のためのもう1つのアルゴリズムは、最初に提案されたアルゴリズムよりも信頼性と計算の複雑さの両方が高い。
二 最適回復手順と比較して計算量の削減と誤差確率の低さを図った完全整列回復アルゴリズム。
関連論文リスト
- Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
論文 参考訳（メタデータ） (2023-12-19T13:17:43Z) - Bagged Regularized $k$-Distances for Anomaly Detection [9.899763598214122]
BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。
我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。
理論的には,我々のアルゴリズムに対するAUCの高速収束率を確立し,バッグング手法が計算複雑性を著しく減少させることを示す。
論文 参考訳（メタデータ） (2023-12-02T07:00:46Z) - New metrics and search algorithms for weighted causal DAGs [7.424262881242935]
ノード依存コストの適応的介入による因果グラフ発見について検討する。
検索アルゴリズムの最悪の介入コストをキャプチャする新しいベンチマークを定義する。
本研究では,様々な条件下で対数近似を実現する適応探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-08T03:48:37Z) - Stability is Stable: Connections between Replicability, Privacy, and
Adaptive Generalization [26.4468964378511]
複製可能なアルゴリズムは、そのランダム性が固定されたときに高い確率で同じ出力を与える。
データ解析にレプリカブルアルゴリズムを使用することで、公開結果の検証が容易になる。
我々は、複製性とアルゴリズム安定性の標準概念との新たな接続と分離を確立する。
論文 参考訳（メタデータ） (2023-03-22T21:35:50Z) - Learning to Bound Counterfactual Inference in Structural Causal Models
from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。
新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。
反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文 参考訳（メタデータ） (2022-12-06T12:42:11Z) - An Application of a Multivariate Estimation of Distribution Algorithm to
Cancer Chemotherapy [59.40521061783166]
癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。
より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。
我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
論文 参考訳（メタデータ） (2022-05-17T15:28:46Z) - Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。
第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。
その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文 参考訳（メタデータ） (2021-10-19T14:24:50Z) - Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature
Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。
提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文 参考訳（メタデータ） (2020-12-29T04:08:38Z) - Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。
この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。
古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文 参考訳（メタデータ） (2020-07-01T18:43:32Z) - A Robust Matching Pursuit Algorithm Using Information Theoretic Learning [37.968665739578185]
情報理論学習(ITL)に基づく新しいOMPアルゴリズムの開発
シミュレーションおよび実世界の両方のデータに対する実験結果は、データ復元、画像再構成、分類において提案したOMPアルゴリズムの優位性を一貫して示している。
論文 参考訳（メタデータ） (2020-05-10T01:36:00Z)
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。