論文の概要: Moment-Based Selection of Multiresponse Linear Mixed-Effects Models

• arxiv url: http://arxiv.org/abs/2607.01971v1
• Date: Thu, 02 Jul 2026 10:07:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.78162
• Title: Moment-Based Selection of Multiresponse Linear Mixed-Effects Models
• Title（参考訳）: 多応答線形混合効果モデルのモーメントベース選択
• Abstract要約: 本稿では,2階のクロスモーメントの同一性を利用して,ランダム効果共分散行列と固定効果係数を選択し,推定する段階的モーメントベースフレームワークを提案する。 提案手法の有限サンプル理論的保証を定め, ランダムエフェクト選択の整合性, 固定エフェクト選択の整合性を含む。
• 参考スコア（独自算出の注目度）: 9.15183427789373
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose MOMENT (\textbf{MO}ment-Based \textbf{M}ixed-\textbf{E}ffects Selectio\textbf{N} and Es\textbf{T}imation), a stage-wise moment-based framework that exploits second-order cross-moment identities to select and estimate the random-effects covariance matrix and fixed-effects coefficients. By inducing sparsity through its diagonal under a positive semidefinite constraint, the random-effects selection problem reduces to a smooth constrained convex optimization problem that can be solved efficiently by projected gradient descent. We further establish finite-sample theoretical guarantees for the proposed procedure, including random-effects selection consistency and fixed-effects selection consistency under joint sub-Weibull errors. Simulation studies show that MOMENT performs competitively overall and can substantially outperform separate univariate analyses when responses are correlated. An application to the hemodialysis dataset demonstrates that the proposed method yields an interpretable and flexible approach for multivariate longitudinal data.
• Abstract（参考訳）: ランダム効果の共分散行列と固定効果係数を選択・推定するために、2階のクロスモーメントアイデンティティを利用する段階的モーメントベースのフレームワークであるMOMENT(\textbf{MO}ment-based \textbf{M}ixed-\textbf{E}ffects Selectio\textbf{N} and Es\textbf{T}imation)を提案する。 正の半定値制約の下で対角線を介して空間を誘導することにより、ランダムエフェクト選択問題は、投影された勾配降下によって効率的に解ける滑らかな制約付き凸最適化問題に還元される。 さらに,提案手法の有限サンプル理論的保証,例えばランダムエフェクト選択の整合性,固定エフェクト選択の整合性などを確立する。 シミュレーション研究は、MOMENTが総合的に競争力を発揮し、応答が相関している場合、個別の一変量解析を著しく上回ることを示した。 血液透析データセットの適用により,多変量長手データに対する解釈可能かつ柔軟なアプローチが得られた。

関連論文リスト

• A Multi-stage Constrained Optimization Framework for Data-driven Problems [15.27508597551075]
  可変オートエンコーダ(VAE)は高次元のノイズの多いデータをコンパクトな潜在表現に変換する。 VAEベースの制約付き最適化では、3つの課題が続いている。 MCOF(Multi-stage Constrained Optimization Framework)を提案する。
  論文  参考訳（メタデータ） (2026-07-26T06:11:06Z)
• Bridging Maximum Likelihood and Optimal Transport for Efficient Inference and Model Selection in Stochastic Block Models [3.8370245746783027]
  最適輸送(OT)レンズによるブロックモデル(SBM)の推論について検討する。 まず、エントロピー正則化を伴う半緩和Gromov-Wasserstein(srGW)射影として、最大可能性変動推論(MLVI)を解釈できることを確かめる。 このような正規化された定式化は、モデルパラメータを同時に復元し、単一の最適化問題においてパラメータ数を選択する推定器を生成することを実証的に示す。
  論文  参考訳（メタデータ） (2026-05-27T13:44:43Z)
• Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
  本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。 具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
  論文  参考訳（メタデータ） (2026-05-09T15:30:52Z)
• Deflation-Free Optimal Scoring [0.0]
  SOS(Sparse Optimal Scoring)は、線形判別分析を再構成し、弾性ネット正則化による特徴選択を可能にする。 既存のSOS手法の多くはデフレに基づく戦略を用いて、識別ベクトルを逐次的に計算し、エラーを伝播し、準最適解を生成することができる。 そこで本研究では,全判別ベクトルを大域直交制約の下で同時に推定する手法を提案する。
  論文  参考訳（メタデータ） (2026-04-28T13:59:39Z)
• Decision-Focused Federated Learning Under Heterogeneous Objectives and Constraints [45.88028371034407]
  我々は、よく知られたSPO+アプローチに基づいて、SPO+のサロゲート損失に対する不均一性境界を開発する。 強く凸可能な領域の場合、安定性によりよりシャープな境界が導出される。 我々は多面体および強凸問題に対するFedAvg型DFFL実験セットを実装した。
  論文  参考訳（メタデータ） (2026-04-21T22:22:39Z)
• Statistical Inference for Matching Decisions via Matrix Completion under Dependent Missingness [6.28693385008859]
  本研究では,3つの正準機構,すなわち1対1,1対1のランダム到着と1対1のランダム到着,および2対2のランダム到着の非最適進入アルゴリズムを提案する。 実験により,提案手法は精度の高い信頼区間推定と効率的な評価を提供することを示した。
  論文  参考訳（メタデータ） (2025-10-30T13:31:32Z)
• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
  本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。 本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
  論文  参考訳（メタデータ） (2025-04-04T16:10:18Z)
• Assumption-Lean Post-Integrated Inference with Surrogate Control Outcomes [6.448728765953916]
  制御結果を用いて遅延不均一性を調整する頑健なポストインテグレート推論(PII)手法を提案する。 我々は、予測された直接効果推定に関する半パラメトリック推論を開発し、隠された仲介者、共同設立者、モデレーターを考慮に入れた。 提案された二重頑健な推定器は、最小の仮定と潜在的な不特定性の下で一貫性があり、効率的である。
  論文  参考訳（メタデータ） (2024-10-07T12:52:38Z)
• Generalization Bounds of Surrogate Policies for Combinatorial Optimization Problems [53.03951222945921]
  我々はスムーズな(摂動された)ポリシーを解析し、線形オラクルが使用する方向に対して制御されたランダムな摂動を付加する。 我々の主な貢献は、過剰リスクを摂動バイアス、統計的推定誤差、最適化誤差に分解する一般化境界である。 車両のスケジューリングやスムーズ化がトラクタブルトレーニングと制御された一般化の両方を可能にしていることを示す。
  論文  参考訳（メタデータ） (2024-07-24T12:00:30Z)
• Diffusion Models as Constrained Samplers for Optimization with Unknown Constraints [55.39203337683045]
  拡散モデルを用いてデータ多様体内で最適化を行う。 目的関数の微分可能性に応じて,2つの異なるサンプリング手法を提案する。 提案手法は,従来の最先端のベースラインよりも優れた,あるいは同等のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-02-28T03:09:12Z)
• Variational Learning for the Inverted Beta-Liouville Mixture Model and Its Application to Text Categorization [1.4174475093445236]
  有限逆β-Liouville混合モデル(IBLMM)は、その正のデータモデリング能力のために最近注目を集めている。 難解なモーメント計算を避けるために、元の変動オブジェクト関数を置き換えるために、新しい関数を提案する。
  論文  参考訳（メタデータ） (2021-12-29T03:03:44Z)
• Pseudo-Spherical Contrastive Divergence [119.28384561517292]
  エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。 PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
  論文  参考訳（メタデータ） (2021-11-01T09:17:15Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。