論文の概要: Generalized Cumulative Shrinkage Process Priors with Applications to
Sparse Bayesian Factor Analysis
- arxiv url: http://arxiv.org/abs/2303.00473v1
- Date: Wed, 1 Mar 2023 12:57:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 14:47:42.721555
- Title: Generalized Cumulative Shrinkage Process Priors with Applications to
Sparse Bayesian Factor Analysis
- Title(参考訳): 一般化累積収縮過程とスパースベイズ因子分析への応用
- Authors: Sylvia Fr\"uhwirth-Schnatter
- Abstract要約: 本稿では,パラメータ列の縮小を強要する縮小前処理について論じる。
新たな交換可能なスパイク・アンド・スラブ収縮を導入し、未知の因子数の推定に有用であることを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper discusses shrinkage priors which impose increasing shrinkage in a
sequence of parameters. We review the cumulative shrinkage process (CUSP) prior
of Legramanti et al. (2020), which is a spike-and-slab shrinkage prior where
the spike probability is stochastically increasing and constructed from the
stick-breaking representation of a Dirichlet process prior. As a first
contribution, this CUSP prior is extended by involving arbitrary stick-breaking
representations arising from beta distributions. As a second contribution, we
prove that exchangeable spike-and-slab priors, which are popular and widely
used in sparse Bayesian factor analysis, can be represented as a finite
generalized CUSP prior, which is easily obtained from the decreasing order
statistics of the slab probabilities. Hence, exchangeable spike-and-slab
shrinkage priors imply increasing shrinkage as the column index in the loading
matrix increases, without imposing explicit order constraints on the slab
probabilities. An application to sparse Bayesian factor analysis illustrates
the usefulness of the findings of this paper. A new exchangeable spike-and-slab
shrinkage prior based on the triple gamma prior of Cadonna et al. (2020) is
introduced and shown to be helpful for estimating the unknown number of factors
in a simulation study.
- Abstract(参考訳): 本稿では,パラメータ列の縮小を強要する縮小先行について論じる。
本稿では, スパイク確率が確率的に増大し, ディリクレ過程のスティック破壊表現から構築されるスパイク・アンド・スラブ収縮であるlegramanti et al. (2020) 前の累積収縮過程 (cumulative shrinkage process, cup) について検討する。
第1の貢献として、このcuspプリエントは、ベータ分布から生じる任意のスティック破壊表現を伴って拡張される。
第2の貢献として、疎ベイズ因子分析で広く用いられている交換可能なスパイク・アンド・スラブ先行値が、スラブ確率の減少次数統計から容易に得られる有限一般化CUSP先行値として表現できることを証明した。
したがって、交換可能なスパイク・アンド・スラブの縮小は、スラブ確率に明示的な順序制約を課すことなく、負荷行列の列指数が増加するにつれて収縮を増大させる。
スパースベイズ因子分析への応用は,本論文の有用性を示すものである。
Cadonna et al. (2020) の前三重ガンマに基づく新しい交換可能なスパイク・アンド・スラブ収縮法を導入し、シミュレーション研究において未知の因子数の推定に有用であることを示した。
関連論文リスト
- Rethinking SIGN Training: Provable Nonconvex Acceleration without First-
and Second-Order Gradient Lipschitz [66.22095739795068]
符号ベースの手法は、パラメータ更新にのみ符号情報を使用するにもかかわらず、堅牢な性能を達成する能力によって注目されている。
符号に基づく手法の現在の収束解析は、一階加速度と二階加速度の強い仮定に依存する。
本稿では,より現実的な第1次および第2次加速度の仮定の下で,それらの収束を解析する。
論文 参考訳(メタデータ) (2023-10-23T06:48:43Z) - Exploiting Causal Graph Priors with Posterior Sampling for Reinforcement
Learning [91.3670767302039]
後部サンプリングは、環境の遷移力学に関する事前知識の活用を可能にする。
本稿では,環境変数に対する因果グラフとして先行値が与えられる新しい後方サンプリング手法を提案する。
論文 参考訳(メタデータ) (2023-10-11T14:16:04Z) - Quantifying predictive uncertainty of aphasia severity in stroke
patients with sparse heteroscedastic Bayesian high-dimensional regression [49.504432873468254]
高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。
本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
論文 参考訳(メタデータ) (2023-09-15T22:06:29Z) - On High dimensional Poisson models with measurement error: hypothesis
testing for nonlinear nonconvex optimization [13.369004892264146]
我々は高次元の回帰モデルの推定と検証を行い、データ解析に広く応用する。
ペナル化された一貫性を最小化することで回帰パラメータを推定する。
提案手法はアルツハイマー病イニシアチブに適用される。
論文 参考訳(メタデータ) (2022-12-31T06:58:42Z) - Rank-1 Matrix Completion with Gradient Descent and Small Random
Initialization [15.127728811011245]
我々は,GDの暗黙的正規化が分析において重要な役割を担っていることを示す。
我々は、手頃な分析において暗黙の正規化GDが重要な役割を担っていることを観察する。
論文 参考訳(メタデータ) (2022-12-19T12:05:37Z) - E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。
私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。
統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
論文 参考訳(メタデータ) (2022-03-07T17:25:02Z) - Random Forest Weighted Local Fr\'echet Regression with Random Objects [52.25304029942005]
本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。
最初の方法は,これらの重みを局所平均として利用し,条件付きFr'echet平均を解く。
第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
論文 参考訳(メタデータ) (2022-02-10T09:10:59Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳(メタデータ) (2021-08-25T21:30:27Z) - Decoupling Shrinkage and Selection for the Bayesian Quantile Regression [0.0]
本稿では,ベイジアン量子回帰(BQR)に対する連続前処理における縮小と疎結合の概念を拡張した。
第1段階では、連続した先行状態の状態での量子的回帰を縮小し、第2段階では適応ラッソの効率的な変種によって後方を分散させる。
我々の手続きは、変数がマクロ経済に下方リスクをもたらす政策立案者とのコミュニケーションに利用できる。
論文 参考訳(メタデータ) (2021-07-18T17:22:33Z) - Convergence Rates of Empirical Bayes Posterior Distributions: A
Variational Perspective [20.51199643121034]
非パラメトリックおよび高次元推論のための経験的ベイズ後部分布の収束率について検討した。
その結果,最大辺縁度推定器によって誘導される経験的ベイズ後部分布は,階層的ベイズ後部分布の変動近似とみなすことができることがわかった。
論文 参考訳(メタデータ) (2020-09-08T19:35:27Z)
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。