論文の概要: A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model

• arxiv url: http://arxiv.org/abs/2504.02643v1
• Date: Thu, 03 Apr 2025 14:37:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:53:15.364102
• Title: A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
• Title（参考訳）: 動的正規化ガウス過程項目応答理論モデル
• Authors: Yehu Chen, Jacob Montgomery, Roman Garnett,
• Abstract要約: ベイズ非パラメトリックIRTの最近の進歩とプロセス時系列法を組み合わせて、縦断観測から潜在形質の動的構造を捉える。 一般化された動的ガウス過程アイテム応答理論(GD-GPIRT)とマルコフ連鎖モンテカルロサンプリングアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 8.666926042732088
• License:
• Abstract: Social scientists are often interested in using ordinal indicators to estimate latent traits that change over time. Frequently, this is done with item response theoretic (IRT) models that describe the relationship between those latent traits and observed indicators. We combine recent advances in Bayesian nonparametric IRT, which makes minimal assumptions on shapes of item response functions, and Gaussian process time series methods to capture dynamic structures in latent traits from longitudinal observations. We propose a generalized dynamic Gaussian process item response theory (GD-GPIRT) as well as a Markov chain Monte Carlo sampling algorithm for estimation of both latent traits and response functions. We evaluate GD-GPIRT in simulation studies against baselines in dynamic IRT, and apply it to various substantive studies, including assessing public opinions on economy environment and congressional ideology related to abortion debate.
• Abstract（参考訳）: 社会科学者は、時間とともに変化する潜在形質を推定するために順序指標を使うことに関心がある。 しばしば、これはアイテム応答理論(IRT)モデルで行われ、それらの潜在特性と観察された指標の関係を記述する。 アイテム応答関数の形状を最小限に仮定するベイズ非パラメトリックIRTの最近の進歩と、縦断観測から潜在形質の動的構造を捉えるガウス過程時系列法を組み合わせる。 一般化された動的ガウス過程アイテム応答理論(GD-GPIRT)とマルコフ連鎖モンテカルロサンプリングアルゴリズムを提案する。 我々は,GD-GPIRTを動的IRTのベースラインに対するシミュレーション研究で評価し,経済環境に関する世論評価や中絶論争に関連する議会イデオロギーなど,様々な実体研究に適用した。

関連論文リスト

• Learning Stochastic Nonlinear Dynamics with Embedded Latent Transfer Operators [5.074981199059028]
  非線形力学系の演算子に基づく潜在マルコフ表現を考える。 埋め込みは、例えばフィードフォワードニューラルネットワークで構築された再生カーネルを使って同時に学習することができる。 また、非線形系における逐次状態推定の一般化や、演算子に基づくダイナミクスの固有モード分解についても論じる。
  論文  参考訳（メタデータ） (2025-01-06T02:25:48Z)
• COTODE: COntinuous Trajectory neural Ordinary Differential Equations for modelling event sequences [2.2544703147182172]
  我々は、イベントをスタンドアローンの現象ではなく、ガウス過程の観察として見る方法を採用し、それによって俳優のダイナミクスが支配される。 得られたダイナミクスを統合することにより,広範に成功したニューラルODEモデルの連続軌道修正を実現する。 実証研究により,ガウス過程と負のフィードバックを持つモデルが最先端性能を実現し,同様のアーキテクチャに対して最大20%のAUROCの改善が得られた。
  論文  参考訳（メタデータ） (2024-08-15T09:49:37Z)
• Neural Persistence Dynamics [8.197801260302642]
  時間発展する点雲のトポロジにおける力学を学習する問題を考察する。 提案したモデル - $textitNeural Persistence Dynamics$ - は、パラメータ回帰タスクの多種多様なセットで最先端のパフォーマンスを大幅に上回る。
  論文  参考訳（メタデータ） (2024-05-24T17:20:18Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• Efficient hierarchical Bayesian inference for spatio-temporal regression models in neuroimaging [6.512092052306553]
  例えば、M/EEG逆問題、タスクベースのfMRI分析のためのニューラルネットワークの符号化、温度モニタリングスキームなどがある。 モデルパラメータとノイズの内在的時間的ダイナミクスをモデル化した,新しい階層型フレキシブルベイズフレームワークを考案する。
  論文  参考訳（メタデータ） (2021-11-02T15:50:01Z)
• An Empirical Study: Extensive Deep Temporal Point Process [61.14164208094238]
  本稿では,非同期イベントシーケンスを時間的プロセスでモデル化することの課題と最近の研究を概観する。 本稿では,多種類のイベント間の関係を生かしたGranger因果発見フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-19T10:15:00Z)
• Out-of-time-order correlations and the fine structure of eigenstate thermalisation [58.720142291102135]
  量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。 我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。 無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
  論文  参考訳（メタデータ） (2021-03-01T17:51:46Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。