論文の概要: Functional Generalized Canonical Correlation Analysis for studying multiple longitudinal variables

• arxiv url: http://arxiv.org/abs/2310.07330v1
• Date: Wed, 11 Oct 2023 09:21:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 23:36:08.105855
• Title: Functional Generalized Canonical Correlation Analysis for studying multiple longitudinal variables
• Title（参考訳）: 機能一般化正準相関解析による複数縦変数の研究
• Authors: Lucas Sort, Laurent Le Brusquet, Arthur Tenenhaus
• Abstract要約: FGCCA(Functional Generalized Canonical correlation Analysis)は、共同で観測される複数のランダムプロセス間の関連を探索する新しいフレームワークである。 我々は,解法の単調性を確立し,標準成分を推定するためのベイズ的アプローチを導入する。 本稿では,縦断データセットにユースケースを提示し,シミュレーション研究における手法の効率性を評価する。
• 参考スコア（独自算出の注目度）: 0.9208007322096533
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce Functional Generalized Canonical Correlation Analysis (FGCCA), a new framework for exploring associations between multiple random processes observed jointly. The framework is based on the multiblock Regularized Generalized Canonical Correlation Analysis (RGCCA) framework. It is robust to sparsely and irregularly observed data, making it applicable in many settings. We establish the monotonic property of the solving procedure and introduce a Bayesian approach for estimating canonical components. We propose an extension of the framework that allows the integration of a univariate or multivariate response into the analysis, paving the way for predictive applications. We evaluate the method's efficiency in simulation studies and present a use case on a longitudinal dataset.
• Abstract（参考訳）: 本稿では,複数のランダムプロセス間の相関関係を探索するための新しい枠組みである関数型一般化正準相関解析(fgcca)を提案する。 このフレームワークはマルチブロック正規化一般化正準相関解析(RGCCA)フレームワークに基づいている。 ばらばらで不規則に観測されたデータには堅牢であり、多くの設定で適用できる。 我々は,解法の単調性を確立し,標準成分を推定するためのベイズ的アプローチを導入する。 本稿では,不定値あるいは多変量応答を解析に統合し,予測アプリケーションへの道を開くためのフレームワークの拡張を提案する。 シミュレーション研究における手法の効率を評価し,縦型データセットでの利用例を示す。

関連論文リスト

• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Topological Analysis for Detecting Anomalies (TADA) in Time Series [3.040934280444531]
  提案手法は大規模データセットを扱うのに十分なリーンであり、既存の手法よりも相関構造のグローバルな変化を検出するのに適しているという直感を裏付ける広範な数値実験である。 依存時間列に基づく量子化アルゴリズムの理論的保証も提供される。
  論文  参考訳（メタデータ） (2024-06-10T11:03:40Z)
• Multiparameter regularization and aggregation in the context of polynomial functional regression [2.1960518939650475]
  本稿では,複数のパラメータの正規化のためのアルゴリズムを導入し,関連するパラメータを扱うための理論的基礎的手法を提案する。 提案手法の有効性は, 人工医療データと実世界の医療データの両方を用いて評価し, 有望な結果が得られた。
  論文  参考訳（メタデータ） (2024-05-07T09:26:20Z)
• Coefficient Shape Alignment in Multiple Functional Linear Regression [0.0]
  我々は「係数形状アライメント」と呼ばれる新しい正規化手法によるグループ多重機能回帰モデルを開発した。 我々は、真のグループ構造を正確に同定し、モデル推定の特性を導出できる条件を確立する。 本モデルの実用性は,糖質評価の文脈における実データ解析によって実証される。
  論文  参考訳（メタデータ） (2023-12-04T14:32:19Z)
• Towards Aligned Canonical Correlation Analysis: Preliminary Formulation and Proof-of-Concept Results [6.933535396099733]
  正準相関解析(CCA)は、データの複数のビューを最大相関した潜在空間に埋め込むために広く応用されている。 従来の手法で要求される様々なデータ視点の整合性は、多くの実践例において不明確である。 本稿では、アライメントとマルチビュー埋め込みを反復的に解決し、この問題に対処する新しいフレームワークであるACCAを提案する。
  論文  参考訳（メタデータ） (2023-12-01T02:24:07Z)
• A Bayesian Methodology for Estimation for Sparse Canonical Correlation [0.0]
  標準相関解析(CCA)は、データセット間の関係を識別する統計手法である。 ScSCCAは、異なるデータモダリティ間の相互関係の堅牢なモデリングを目的とした、急速に発展する方法論分野である。 ベイズ無限因子モデルを用いて,ロバストな推定を実現する新しいSCSCCA手法を提案する。
  論文  参考訳（メタデータ） (2023-10-30T15:14:25Z)
• The Dynamics of Riemannian Robbins-Monro Algorithms [101.29301565229265]
  本稿では,Robins と Monro のセミナル近似フレームワークを一般化し拡張するリーマンアルゴリズムの族を提案する。 ユークリッドのそれと比較すると、リーマンのアルゴリズムは多様体上の大域線型構造が欠如しているため、はるかに理解されていない。 ユークリッド・ロビンス=モンロスキームの既存の理論を反映し拡張するほぼ確実な収束結果の一般的なテンプレートを提供する。
  論文  参考訳（メタデータ） (2022-06-14T12:30:11Z)
• Nonlinear Independent Component Analysis for Continuous-Time Signals [85.59763606620938]
  このプロセスの混合物の観察から多次元音源過程を復元する古典的問題を考察する。 このリカバリは、この混合物が十分に微分可能で可逆な関数によって与えられる場合、多くの一般的なプロセスのモデル(座標の順序と単調スケーリングまで)に対して可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-04T20:28:44Z)
• Generalized Matrix Factorization: efficient algorithms for fitting generalized linear latent variable models to large data arrays [62.997667081978825]
  一般化線形潜在変数モデル(GLLVM)は、そのような因子モデルを非ガウス応答に一般化する。 GLLVMのモデルパラメータを推定する現在のアルゴリズムは、集約的な計算を必要とし、大規模なデータセットにスケールしない。 本稿では,GLLVMを高次元データセットに適用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-06T04:28:19Z)
• Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
  多視点問題は潜在変数モデルに直面することができる。 高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。 両アプローチを単一モデルにマージすることを提案する。
  論文  参考訳（メタデータ） (2020-06-01T14:25:38Z)
• Variational Inference for Deep Probabilistic Canonical Correlation Analysis [49.36636239154184]
  線形多視点層と深層生成ネットワークを観測モデルとして構成した深部確率的多視点モデルを提案する。 潜在確率多視点層の後方分布を近似した効率的な変分推論法を開発した。 任意の数のビューを持つモデルへの一般化も提案されている。
  論文  参考訳（メタデータ） (2020-03-09T17:51:15Z)

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。