論文の概要: A Sieve Quasi-likelihood Ratio Test for Neural Networks with
Applications to Genetic Association Studies
- arxiv url: http://arxiv.org/abs/2212.08255v1
- Date: Fri, 16 Dec 2022 02:54:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 16:14:54.474782
- Title: A Sieve Quasi-likelihood Ratio Test for Neural Networks with
Applications to Genetic Association Studies
- Title（参考訳）: ニューラルネットワークのSieve Quasi-likelihood Ratio Testと遺伝的アソシエーション研究への応用
- Authors: Xiaoxi Shen, Chang Jiang, Lyudmila Sakhanenko and Qing Lu
- Abstract要約: そこで本研究では,NNを用いた疑似シーブ様比検定を行い,複雑な関連性をテストするための隠蔽層を1つ提案する。
分布の妥当性をシミュレーションにより検討した。
アルツハイマー病神経画像イニシアチブ(ADNI)のシークエンシングデータの遺伝的アソシエーション解析により,提案試験の有用性を実証する。
- 参考スコア（独自算出の注目度）: 0.32771631221674324
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural networks (NN) play a central role in modern Artificial intelligence
(AI) technology and has been successfully used in areas such as natural
language processing and image recognition. While majority of NN applications
focus on prediction and classification, there are increasing interests in
studying statistical inference of neural networks. The study of NN statistical
inference can enhance our understanding of NN statistical proprieties.
Moreover, it can facilitate the NN-based hypothesis testing that can be applied
to hypothesis-driven clinical and biomedical research. In this paper, we
propose a sieve quasi-likelihood ratio test based on NN with one hidden layer
for testing complex associations. The test statistic has asymptotic chi-squared
distribution, and therefore it is computationally efficient and easy for
implementation in real data analysis. The validity of the asymptotic
distribution is investigated via simulations. Finally, we demonstrate the use
of the proposed test by performing a genetic association analysis of the
sequencing data from Alzheimer's Disease Neuroimaging Initiative (ADNI).
- Abstract（参考訳）: ニューラルネットワーク(NN)は、現代の人工知能(AI)技術において中心的な役割を担い、自然言語処理や画像認識などの分野で成功している。
NNアプリケーションの大半は予測と分類に重点を置いているが、ニューラルネットワークの統計的推測を研究することへの関心が高まっている。
NN統計的推論の研究は、NN統計的妥当性の理解を高めることができる。
さらに、仮説駆動臨床および生体医学研究に応用できるnnベースの仮説テストを促進することができる。
本稿では,複雑な関連性をテストするための隠蔽層を持つNNを用いたシーブ準比テストを提案する。
テスト統計は漸近的カイ二乗分布を持ち、計算効率が良く、実データ解析の実装も容易である。
漸近分布の妥当性をシミュレーションにより検討した。
最後に,アルツハイマー病神経画像イニシアチブ(ADNI)から得られたシークエンシングデータの遺伝子関連解析を行うことにより,提案試験の有用性を示す。
関連論文リスト
- Statistical tuning of artificial neural network [0.0]
本研究では、ニューラルネットワークの理解を強化する方法を紹介し、特に1つの隠蔽層を持つモデルに焦点を当てる。
本稿では,入力ニューロンの意義を統計的に評価し,次元減少のためのアルゴリズムを提案する。
この研究は、ニューラルネットワークを解釈するための堅牢な統計フレームワークを提示することにより、説明可能な人工知能の分野を前進させる。
論文 参考訳（メタデータ） (2024-09-24T19:47:03Z) - Training Guarantees of Neural Network Classification Two-Sample Tests by Kernel Analysis [58.435336033383145]
2つのデータセットが同じ分布から来たかどうかを判断するために、ニューラルネットワークの2サンプルテストを構築し、分析する。
NTK2サンプルテストがデータセット間の偏差レベルを検出するのに必要となる、理論的に最小限のトレーニング時間を導出する。
ニューラルネットワークのトレーニングサンプルとテスト評価サンプルが無限に近づくにつれて、ニューラルネットワークの2サンプルテストに関連する統計的パワーは1になる。
論文 参考訳（メタデータ） (2024-07-05T18:41:16Z) - Provably Neural Active Learning Succeeds via Prioritizing Perplexing Samples [53.95282502030541]
ニューラルネットワークベースのアクティブラーニング(NAL)は、ニューラルネットワークを使用してサンプルの小さなサブセットを選択してトレーニングする、費用対効果の高いデータ選択技術である。
我々は、機能学習の観点から、両方のクエリ基準ベースのNALの成功について、統一的な説明を提供することにより、一歩前進させようとする。
論文 参考訳（メタデータ） (2024-06-06T10:38:01Z) - An Association Test Based on Kernel-Based Neural Networks for Complex
Genetic Association Analysis [0.8221435109014762]
従来のニューラルネットワークと線形混合モデルの強度を相乗化するカーネルベースニューラルネットワークモデル(KNN)を開発した。
MINQUEに基づく遺伝子変異と表現型との結合性を評価する試験。
線形および非線形/非付加的遺伝子効果の評価と解釈のための2つの追加試験。
論文 参考訳（メタデータ） (2023-12-06T05:02:28Z) - A Kernel-Based Neural Network Test for High-dimensional Sequencing Data
Analysis [0.8221435109014762]
シーケンシングデータの複雑な関連解析のための新しいカーネルベースニューラルネットワーク(KNN)テストを導入する。
KNNに基づいて、高次元遺伝データの関心の表現型との結合性を評価するために、ウォルド型試験が導入された。
論文 参考訳（メタデータ） (2023-12-05T16:06:23Z) - SIT: A Bionic and Non-Linear Neuron for Spiking Neural Network [12.237928453571636]
スパイキングニューラルネットワーク(SNN)は、時間的情報処理能力と消費電力の低さから、研究者の関心を喚起している。
現在の最先端の手法は、ニューロンが単純な Leaky-Integrate-and-Fire (LIF) モデルに基づいて構築されているため、生物学的な可視性と性能を制限している。
高レベルの動的複雑さのため、現代のニューロンモデルがSNNの実践で実装されることはめったにない。
論文 参考訳（メタデータ） (2022-03-30T07:50:44Z) - FF-NSL: Feed-Forward Neural-Symbolic Learner [70.978007919101]
本稿では,Feed-Forward Neural-Symbolic Learner (FF-NSL) と呼ばれるニューラルシンボリック学習フレームワークを紹介する。
FF-NSLは、ラベル付き非構造化データから解釈可能な仮説を学習するために、Answer Setセマンティクスに基づく最先端のICPシステムとニューラルネットワークを統合する。
論文 参考訳（メタデータ） (2021-06-24T15:38:34Z) - Statistical model-based evaluation of neural networks [74.10854783437351]
ニューラルネットワーク(NN)の評価のための実験装置を開発する。
このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。
これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
論文 参考訳（メタデータ） (2020-11-18T00:33:24Z) - Towards Interaction Detection Using Topological Analysis on Neural
Networks [55.74562391439507]
ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。
本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。
PID(Persistence Interaction Detection)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-10-25T02:15:24Z) - Quantifying Statistical Significance of Neural Network-based Image
Segmentation by Selective Inference [23.97765106673937]
我々は条件選択推論(SI)フレームワークを用いて、セグメンテーション結果の正確な(漸近的でない)p-値を計算する。
提案手法は, 偽陽性率の制御に成功し, 計算効率も良好であり, 医用画像データに適用した場合の良好な結果が得られる。
論文 参考訳（メタデータ） (2020-10-05T07:16:40Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳（メタデータ） (2020-07-02T17:55:47Z)
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。