論文の概要: Tree-based variational inference for Poisson log-normal models

• arxiv url: http://arxiv.org/abs/2406.17361v2
• Date: Wed, 16 Oct 2024 07:57:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:38:35.883154
• Title: Tree-based variational inference for Poisson log-normal models
• Title（参考訳）: ポアソン対数正規モデルに対する木に基づく変分推論
• Authors: Alexandre Chaussard, Anna Bonnet, Elisabeth Gassiat, Sylvain Le Corff,
• Abstract要約: 階層木は、しばしば近接基準に基づいてエンティティを組織するために使用される。 現在のカウントデータモデルは、この構造化情報を利用していない。 本稿では,PLNモデルの拡張としてPLN-Treeモデルを導入し,階層的カウントデータをモデル化する。
• 参考スコア（独自算出の注目度）: 47.82745603191512
• License:
• Abstract: When studying ecosystems, hierarchical trees are often used to organize entities based on proximity criteria, such as the taxonomy in microbiology, social classes in geography, or product types in retail businesses, offering valuable insights into entity relationships. Despite their significance, current count-data models do not leverage this structured information. In particular, the widely used Poisson log-normal (PLN) model, known for its ability to model interactions between entities from count data, lacks the possibility to incorporate such hierarchical tree structures, limiting its applicability in domains characterized by such complexities. To address this matter, we introduce the PLN-Tree model as an extension of the PLN model, specifically designed for modeling hierarchical count data. By integrating structured variational inference techniques, we propose an adapted training procedure and establish identifiability results, enhancing both theoretical foundations and practical interpretability. Additionally, we extend our framework to classification tasks as a preprocessing pipeline for compositional data, showcasing its versatility. Experimental evaluations on synthetic datasets as well as real-world microbiome data demonstrate the superior performance of the PLN-Tree model in capturing hierarchical dependencies and providing valuable insights into complex data structures, showing the practical interest of knowledge graphs like the taxonomy in ecosystems modeling.
• Abstract（参考訳）: 生態系を研究する際、階層木は、微生物学の分類学、地理学の社会クラス、小売業の製品タイプといった近接基準に基づくエンティティの組織化によく使われ、エンティティの関係に関する貴重な洞察を提供する。 その重要性にもかかわらず、現在のカウントデータモデルは、この構造化情報を利用していない。 特に、カウントデータからエンティティ間の相互作用をモデル化できることで知られる広く使われているPoisson log-normal (PLN) モデルでは、そのような階層木構造を組み込むことができず、そのような複雑さを特徴とする領域における適用性を制限することができる。 本稿ではPLNモデルの拡張としてPLN-Treeモデルを導入する。 構造的変分推論手法を統合することにより、適応的な訓練手法を提案し、識別可能性を確立し、理論的基礎と実践的解釈可能性の両方を向上する。 さらに、我々のフレームワークを構成データのための前処理パイプラインとしてタスクに拡張し、その汎用性を示す。 合成データセットと実世界のマイクロバイオームデータの実験的評価は、PLN-Treeモデルが階層的依存関係を捕捉し、複雑なデータ構造に対する貴重な洞察を与え、生態系モデリングにおける分類学のような知識グラフの実践的関心を示す。

関連論文リスト

• Escaping the Forest: Sparse Interpretable Neural Networks for Tabular Data [0.0]
  我々のモデルであるSparse TABular NET や sTAB-Net がツリーベースモデルよりも効果的であることを示す。 SHAPのようなポストホックメソッドよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-10-23T10:50:07Z)
• Ordinal Mixed-Effects Random Forest [0.0]
  我々は、通常混合効果ランダムフォレスト(OMERF)と呼ばれる革新的な統計手法を提案する。 ランダム・フォレストの使用を階層データや順序応答の分析にまで拡張する。
  論文  参考訳（メタデータ） (2024-06-05T10:30:40Z)
• Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
  自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。 我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。 我々は、理論的な主張を合成データ実験で裏付ける。
  論文  参考訳（メタデータ） (2024-06-01T18:01:03Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Inferring community structure in attributed hypergraphs using stochastic block models [3.335932527835653]
  本研究では,ノード属性データをハイパーグラフのコミュニティ構造学習に組み込む統計フレームワークを開発した。 我々は,HyperNEOと呼ぶモデルにより,人工・経験的ハイパーグラフにおけるコミュニティ構造の学習が促進されることを実証した。 我々は,現実世界の複合システムにおける高次コミュニティ構造の調査と理解の拡大を期待する。
  論文  参考訳（メタデータ） (2024-01-01T07:31:32Z)
• Energy Trees: Regression and Classification With Structured and Mixed-Type Covariates [0.0]
  エネルギー木はエネルギー統計を利用して条件推論木の能力を拡張する。 モデルの競争性能を,多変量選択と過度適合に対する頑健性の観点から示す。 また、人間の生物学的データを含む2つの経験的分析を通して、モデルの予測能力を評価する。
  論文  参考訳（メタデータ） (2022-07-10T10:41:51Z)
• A Topological-Framework to Improve Analysis of Machine Learning Model Performance [5.3893373617126565]
  本稿では、データセットをモデルが動作する「空間」として扱う機械学習モデルを評価するためのフレームワークを提案する。 本稿では,各サブポピュレーション間でのモデル性能の保存と解析に有用なトポロジカルデータ構造であるプレシーブについて述べる。
  論文  参考訳（メタデータ） (2021-07-09T23:11:13Z)
• Polynomial Networks in Deep Classifiers [55.90321402256631]
  我々は深層ニューラルネットワークの研究を統一的な枠組みで行った。 私たちのフレームワークは、各モデルの誘導バイアスに関する洞察を提供します。 提案モデルの有効性を,標準画像および音声分類ベンチマークで評価した。
  論文  参考訳（メタデータ） (2021-04-16T06:41:20Z)
• Neural Production Systems [90.75211413357577]
  視覚環境は、異なるオブジェクトまたはエンティティから構成される。 イメージをエンティティに分割するために、ディープラーニング研究者は構造的誘導バイアスを提案した。 私たちは認知科学からインスピレーションを得て、一連のルールテンプレートからなる古典的なアプローチを復活させます。 このアーキテクチャは柔軟でダイナミックな制御フローを実現し、エンティティ固有およびルールベースの情報を分解するのに役立つ。
  論文  参考訳（メタデータ） (2021-03-02T18:53:20Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)

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。