論文の概要: BaMANI: Bayesian Multi-Algorithm causal Network Inference

• arxiv url: http://arxiv.org/abs/2508.11741v1
• Date: Fri, 15 Aug 2025 17:38:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.355128
• Title: BaMANI: Bayesian Multi-Algorithm causal Network Inference
• Title（参考訳）: Bamani: Bayesian Multi-Algorithm causal Network Inference
• Authors: Habibolla Latifizadeh, Anika C. Pirkey, Alanna Gould, David J. Klinke II,
• Abstract要約: 我々は,単一アルゴリズムが因果的ネットワーク推論に与える影響を疎外するアンサンブル学習手法を開発した。 本稿では,BaMANIと呼ばれる新しいソフトウェアツールの観点で,フレームワークの包括的な実装について述べる。 生物学,特にヒト乳癌研究におけるBaMANIの使用例について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Improved computational power has enabled different disciplines to predict causal relationships among modeled variables using Bayesian network inference. While many alternative algorithms have been proposed to improve the efficiency and reliability of network prediction, the predicted causal networks reflect the generative process but also bear an opaque imprint of the specific computational algorithm used. Following a ``wisdom of the crowds" strategy, we developed an ensemble learning approach to marginalize the impact of a single algorithm on Bayesian causal network inference. To introduce the approach, we first present the theoretical foundation of this framework. Next, we present a comprehensive implementation of the framework in terms of a new software tool called BaMANI (Bayesian Multi-Algorithm causal Network Inference). Finally, we describe a BaMANI use-case from biology, particularly within human breast cancer studies.
• Abstract（参考訳）: 計算能力の向上により、ベイジアンネットワーク推論を用いて、モデル変数間の因果関係を予測できるようになった。 ネットワーク予測の効率と信頼性を改善するために、多くの代替アルゴリズムが提案されているが、予測因果ネットワークは生成過程を反映しているが、使用する特定の計算アルゴリズムの不透明なインプリントも持っている。 群集の知恵」戦略に従って,ベイジアン因果ネットワーク推定における単一アルゴリズムの影響を疎外するアンサンブル学習手法を開発した。 このアプローチを導入するために,我々はまず,この枠組みの理論的基礎を提示する。 次に,BaMANI(Bayesian Multi-Algorithm causal Network Inference)と呼ばれる新しいソフトウェアツールを用いて,フレームワークの包括的な実装を提案する。 最後に、生物学、特にヒト乳癌研究におけるBaMANIの使用例について述べる。

関連論文リスト

• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Bayesian Learning for Neural Networks: an algorithmic survey [95.42181254494287]
  この自己完結型調査は、ベイズ学習ニューラルネットワークの原理とアルゴリズムを読者に紹介する。 アクセシブルで実践的な視点からこのトピックを紹介します。
  論文  参考訳（メタデータ） (2022-11-21T21:36:58Z)
• Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
  既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。 本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-06T13:18:31Z)
• Reconstructing Bayesian Networks on a Quantum Annealer [0.0]
  O'Gormanらは、このタスクを符号化するアルゴリズムを提案しているが、実験的な評価は提供していない。 i) O'GormanのアルゴリズムをPythonで実装し,(ii)大小のBNSL問題に対処するDeput et imperaアプローチを提案する。 その結果、小サイズのBNSLインスタンスに対するO'Gormanの定式化の有効性と、O'Gormanのアルゴリズムの直接実行におけるDeput et imperaアプローチの優位性を示した。
  論文  参考訳（メタデータ） (2022-04-07T15:53:05Z)
• Quantum Approximate Optimization Algorithm for Bayesian network structure learning [1.332091725929965]
  本研究では、ベイジアンネットワーク構造学習問題の解法として、特定の種類の変分量子アルゴリズム、量子近似最適化アルゴリズムを用いた。 その結果、量子近似最適化アルゴリズムは、最先端の手法と量子ノイズに対する定量的レジリエンスとの競合結果を提供することを示した。
  論文  参考訳（メタデータ） (2022-03-04T16:11:34Z)
• Robustification of Online Graph Exploration Methods [59.50307752165016]
  我々は、古典的で有名なオンライングラフ探索問題の学習強化版について研究する。 本稿では,予測をよく知られたNearest Neighbor(NN)アルゴリズムに自然に統合するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-10T10:02:31Z)
• Deep learning via message passing algorithms based on belief propagation [2.931240348160871]
  本稿では,局所的なエントロピー分布に偏りを持つ強化場を有するBPベースのメッセージパッシングアルゴリズムのファミリについて述べる。 これらのアルゴリズムは、SGDにインスパイアされたソリューションに匹敵するパフォーマンスで、離散重みとアクティベーションを持つ多層ニューラルネットワークをトレーニングすることができる。
  論文  参考訳（メタデータ） (2021-10-27T16:52:26Z)
• MODEL: Motif-based Deep Feature Learning for Link Prediction [23.12527010960999]
  本稿では,ネットワークモチーフを組み込んだ新しい埋め込みアルゴリズムを提案する。 実験は、ソーシャルネットワーク、生物学的ネットワーク、学術ネットワークの3種類のネットワークで実施された。 我々のアルゴリズムは従来の類似性に基づくアルゴリズムを20%、組込み型アルゴリズムを19%上回っている。
  論文  参考訳（メタデータ） (2020-08-09T03:39:28Z)

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。