論文の概要: Scalable partial information decomposition for symptom networks via supervised embeddings

• arxiv url: http://arxiv.org/abs/2609.13203v1
• Date: Fri, 14 Aug 2026 17:34:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.656088
• Title: Scalable partial information decomposition for symptom networks via supervised embeddings
• Title（参考訳）: 教師付き埋め込みによる症状ネットワークのスケーラブルな部分情報分解
• Abstract要約: 精神・健康症状間のペアワイズな関係は、定期的にアスカラーエッジウェイトに要約される。 部分的な情報分解(PID)は、このギャップに対処するが、いくつかの情報源を越えて計算的に難解である。 拡張性パイプラインである埋め込み型PIDを導入し,非焦点症状を低心拍差の離散埋め込みに圧縮する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pairwise relationships among mental-health symptoms are routinely summarised asscalar edge weights, which cannot express whether two symptoms carry overlapping information about a third or information that appears only in combination. Partial information decomposition (PID) addresses this gap but is computationally intractable beyond a few sources. We introduce embedding-based PID (ePID), a scalable pipeline that compresses all nonfocal symptoms into a low-cardinality discrete embedding and computes a tractable two-source PID, yielding source-unique, remainder-unique, redundant, and synergistic components for each ordered source-target pair. We benchmarked 13 candidate embeddings on synthetic Bayesian networks calibrated to PHQ-9 and on 83 real-world datasets across five PID measures. A supervised Agglomerative Conditional Information Bottleneck (ACIB) embedding recovered the reference decomposition most accurately of the 13 embeddings tested, and did so for every PID measure yielding non-negative atoms once four or more symptoms were compressed (synergy recovery r = 0.92). The two instruments then diverged sharply. In PHQ-9 networks (UK Biobank,N = 154,291; Xinxiang student sample, N = 24,292) the surrounding symptom context carried most pairwise dependence through redundant and remainder-unique channels; synergy contributed 6 to 9%, and no directed edge was synergy-dominated in either cohort. In the 28-item Interpersonal Reactivity Index, 45% of source pairs were. The identical pipeline, applied without parameter changes, therefore returned opposite profiles for the two instruments, each consistent with how that instrument was constructed. By separating overlapping from interaction-dependent information, ePID provides a scalable, model-agnostic complement to standard symptom-network methodology to distinguish redundant and synergistic contributions to observed correlations.
• Abstract（参考訳）: 精神・健康症状間のペアワイズ関係は、定期的にアスカラーエッジ重みが要約され、2つの症状が3分の1の重なり合う情報を持っているか、または組み合わせて現れる情報のみを持っているかは表現できない。 部分的な情報分解(PID)は、このギャップに対処するが、いくつかの情報源を越えて計算的に難解である。 拡張性パイプラインである埋め込み型PID(ePID)を導入し,低心拍差の個別埋め込みに非焦点症状を圧縮し,トラクタブルな2ソースPIDを演算し,各ソース・ターゲットペアに対してソース・ユニク,残余・ユニク,冗長,相乗的成分を出力する。 我々は、PHQ-9に調整された合成ベイズネットワークと、5つのPID尺度にわたる83の現実世界データセットに13の候補埋め込みをベンチマークした。 教師付きAgglomerative Conditional Information Bottleneck (ACIB) 埋め込みは、試験された13の埋め込みのうち、基準分解を最も正確に回収し、4つ以上の症状が1度に1度だけ非負の原子を産出する全てのPID測定値に対して圧縮した(エネルギー回復r = 0.92)。 2つの楽器はその後急変した。 PHQ-9ネットワーク (UK Biobank,N = 154,291; Xinxiang students sample, N = 24292) では、周囲の症状コンテキストは冗長チャネルと余剰ユニキチャネルを通して最も相互依存しており、シナジーは6～9%に寄与し、どちらのコホートでも直接エッジが支配されることはなかった。 28項目の対人反応指数では、45%がソースペアであった。 パラメータの変更なしに適用された同一のパイプラインは、2つの楽器の反対プロファイルを返却し、それぞれがその楽器の作り方と一致した。 相互作用に依存した情報から重なり合うことで、ePIDは、観測された相関に対する冗長でシナジスティックな貢献を区別するために、標準的な症状-ネットワーク手法に対するスケーラブルでモデルに依存しない補完を提供する。

関連論文リスト

• Hub-Spectral Activation of Latent Multimodal Knowledge [48.72626098917089]
  Hub-Spectral Activation (HSA) は、凍結表現における潜在マルチモーダル知識のハブ可読成分の回復と活性化のための閉形式法である。 HSAは、ハブエッジ統計データを合成し、標準化し、ペア化されたスペクトル方向を抽出し、信頼性に富んだ一致した証拠とソースゲートの候補分解を結合する。
  論文  参考訳（メタデータ） (2026-09-15T12:27:42Z)
• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• From Geometric Recovery to Causal Validation: A Reproducible Audit of Sparse Autoencoder Features, from Superposition Geometry to Causal Inertness [0.0]
  スパースオートエンコーダ(SAE)は、重畳された神経表現を解釈可能な特徴に分解する標準である。 これはデコーダ・ジオメトリーアライメントとエンコーダ・アクティベーションの2つの異なるクレームを示す。 本手法は,決定論的パイプラインを持つモデル非依存の楽器であるsae-causal-auditとしてパッケージ化する。
  論文  参考訳（メタデータ） (2026-07-13T21:18:52Z)
• Multi-Level Distributional Entropy for Explainable Network Intrusion Detection [3.6406488220483326]
  本稿では,フローレベルの要約統計から直接解釈可能なエントロピー特徴を導出するフレームワークを提案する。 4つのベンチマークで、エントロピーのみの機能は0.708-0.989の重み付きF1を達成する。 完全な運用メトリックレポートは、F1の隠蔽を集約する障害モードを公開する。
  論文  参考訳（メタデータ） (2026-06-29T05:19:21Z)
• Inverse Reinforcement Learning for Interpretable Keystroke Biomarkers in Parkinson's Disease [0.0]
  キーストローク力学はパーキンソン病(PD)の受動デジタルバイオマーカーとして広く研究されている。 逆強化学習(IRL)をキーストロークデータに適用し、各キーストロークをタイピング速度やリカバリよりも決定的な選択としてモデル化する。 我々の知る限り、これはIRLのキーストローク力学への最初の応用である。
  論文  参考訳（メタデータ） (2026-06-24T01:11:05Z)
• What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
  本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。 複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
  論文  参考訳（メタデータ） (2026-06-19T06:04:17Z)
• Multitask Multimodal Fusion with Tabular Foundation Models for Peak and Durability Prediction of Pertussis Booster Response [0.0]
  Pertussis booster vaccination(英語版)は、ピーク等級と長期の耐久性の両方において、個体間で広く異なる免疫反応を産生する。 ほとんどの計算モデルは1つしか目標とせず、完全なブースト・アンド・ワン軌道を欠いている。 2つのエンドポイントは冗長ではなく生物学的に分離されているため、両方を共同で予測することは自明ではない。
  論文  参考訳（メタデータ） (2026-05-13T01:00:50Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)

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。