高斯协方差模型中高效的似然推断的图形方法
本文介绍了一种基于贝叶斯框架的高斯图模型确定方法,它是基于连续时间出生 - 死亡过程的转维度马尔可夫链蒙特卡罗方法。该方法易于实现,在高维图形方面具有计算可行性,验证表明该方法在收敛、图形空间中的混合和计算时间方面优于替代贝叶斯方法,并应用于基因表达研究中。
Oct, 2012
本研究研究了祖先图在有潜在变量和选择变量的有向无环图模型中所表示的条件独立性关系,阐述了两个最大祖先图如何满足马尔可夫等价关系,并通过算法在多项式时间内计算出马尔可夫等价问题。
Aug, 2009
介绍了一种新的超级图类 mDAGs,通过潜在投影操作从 DAG 的边缘获取 mDAG,每个独特的 DAG 模型边缘至少由一个 mDAG 表示,并提供了图形结果以表征两个边缘模型何时相同。最后,证明了 mDAGs 可以在观察变量干预下正确地捕捉 DAG 的边缘结构。
Aug, 2014
本文提出了两种估计多个相关图的方法,并将亲密度假设转化为经验先验或组惩罚。我们提供了定量结果,证明了所提出方法的优势。该论文介绍的方法已嵌入 R 软件包'simone' 版本 1.0-0 及更高版本中。
Dec, 2009
该研究提出了一种基于高斯似然框架的有向无环图模型,用于联合建模观察数据和干预数据,以及通过 BIC 准则对干预马尔可夫等价类进行一致性估计,从而改善了干预数据的部分可鉴别性,提供更紧密的因果效应推断。
Mar, 2013
从几何的角度研究高斯图模型中的最大似然估计,提出代数消元方法来求得 MLE 存在的下界,并将其应用于二分图、网格和彩色图。研究了 ML 度量,给出第一个例子,即使观测数等于树宽度时 MLE 也存在的图.
Dec, 2010
本文研究了用于高斯图模型种反向协方差矩阵的稀疏性,说明了贝叶斯信息准则在变量数和样本大小呈线性增长情况下的一致性,并验证了其在与高斯套索结合使用时的性能。
Nov, 2010
本文考虑了在一种成对图模型中,每个节点的条件分布都属于指数族分布这样一种参数调整问题。该文章证明了参数空间的限制条件以及基于邻域选择方法对于高维数据下的图重建方法的相容性,同时提出了在处理不同参数形式的情况下如何选择节点间边的问题,并举出高斯分布,伯努利分布,泊松分布和指数分布等实例验证了理论发现。
Nov, 2013
本文探讨了离散图模型结构与广义协方差矩阵逆矩阵的关系,证明了对于某些图结构,指示变量的逆协方差矩阵的支撑集反映了图的条件独立结构,并提出了一种新的方法来估计缺失或受损观测值的结构,给出了这些方法的非渐近性保证并通过模拟说明了这些预测的精度。
Dec, 2012
本文提出了一种新的基于贝叶斯近似推断的方法,用于学习高斯图模型的依赖结构,通过伪似然方法,无需引入有关可分解性的任何假设即可得到近似边缘似然值,结合简单的稀疏性先验和默认的参考 prior,得到了一个快速适用于高维数据的评估函数,本方法与其他方法的比较表明其性能良好并且能够一致地估计图结构。
Feb, 2016