Feb, 2017

贝叶斯布尔矩阵分解

HTML
PDF
TL;DR介绍了一种概率生成模型——OrMachine，用于布尔矩阵分解和推导出马尔科夫链蒙特卡罗(Metropolised Gibbs)采样器，实现了高效的并行后验推断，并在真实世界和模拟数据上优于目前所有现有的布尔矩阵分解和完整方法，首次为布尔矩阵分解提供了完整的后验推断，在协同过滤中用于控制假阳性率，并关键地提高了推断模式的可解释性。提出的算法在通用硬件上扩展到大型数据集，如在1.3百万只老鼠脑细胞上分析11千个基因的单细胞基因表达。
发现论文，激发创造
  • 快速贝叶斯非负矩阵分解与三因子分解

    本论文提出一种快速变分贝叶斯算法，用于实现非负矩阵分解和三因式分解，相对于Gibbs采样和非概率方法，我们的方法可以在每次迭代和时间步（挂钟时间）中实现更快的收敛，并且不需要额外的样本来估计后验，特别地，我们的变分贝叶斯方法提供了三因式分解的快速解决方案，从而更有效地利用该方法。

    Oct, 2016

  • 数据整合的贝叶斯混合矩阵分解

    引入了一种新的贝叶斯混合矩阵分解模型（HMF）用于数据集成，能够结合多种矩阵分解方法，可用于预测缺失值的内部和外部矩阵，同时可集成许多不同实体类型的数据集，包括重复实验、相似度矩阵和非常稀疏的数据集。我们将方法应用于两个生物应用，并与最先进的机器学习和矩阵分解模型进行广泛比较。对于药物敏感性数据集的内部矩阵预测，我们获得了比现有方法更优异的性能，特别是当我们增加数据集的稀疏性时。此外，我们还对甲基化和基因表达数据集进行了外部矩阵预测，在其中三个数据集中有两个获得了最佳结果，特别是当数据集的可预测性高时。

    Apr, 2017

  • 贝叶斯非负矩阵分解推断方法的比较研究

    该研究考虑用贝叶斯矩阵分解法进行数据预测和模式发现，比较了不同推理方法在噪声和数据稀疏性下的收敛性和鲁棒性，并讨论了如何通过提出的贝叶斯自动相关性确定先验进行模型选择。

    Jul, 2017

  • TensOrMachine: 概率布尔张量分解

    本文介绍了用布尔张量分解(BTD)对多层二次关系数据进行概率建模和处理的方法，并且显示出在进行模型选择和处理缺失数据时优于现有的技术。作者使用了几个真实数据集，其中最大的一个数据集涉及了超过$10$亿个数据点。

    May, 2018

  • 贝叶斯均值参数化非负二进制矩阵分解

    本文提出了一种针对二元数据矩阵的基于贝叶斯平均参数非负矩阵分解的方法，并使用折叠吉布斯采样和折叠变分算法推断了因子的后验分布，同时将所提出方法拓展到非参数设置下，实现自动检测相关成分数量，实验证明该方法在词典学习和预测任务方面的性能优于现有技术。

    Dec, 2018

  • 基于几何分割的快速高效布尔矩阵分解

    本研究开发了一种名为MEBF的快速、高效的布尔矩阵因式分解方法，采用启发式方法以定位“密集的1”的子矩阵为目标，其性能表现优于ASSO、PANDA和MP等其他常用方法，同时在二进制和非二进制数据集上的应用表明其具有知识检索和数据去噪的潜在能力。

    Sep, 2019

  • 具有自适应后验浓度的贝叶斯稀疏因子模型

    本文提出了一种用于高维稀疏因子模型的新贝叶斯推理方法，该方法允许推断因子维数和载荷矩阵的稀疏结构；介绍了一种特定的依赖关系，使得后验分布在保持计算可行性的同时自适应聚焦于正确的因子维度和载荷矩阵的稀疏水平；数值研究表明该方法表现优异。

    May, 2023

  • 使用近端梯度下降有效因式分解布尔矩阵

    本研究提出了一种使用弹性二进制正则化的布尔矩阵分解算法，以降低计算成本并提高可解释性，在合成和真实数据上实现了良好的结果。在医学领域的案例研究表明了该算法的结果易于解释和语义意义重大。

    Jul, 2023

  • 鲁棒贝叶斯张量分解与零膨胀泊松模型及一致性聚合

    高维计数数据中的零膨胀方向提取高质量因子的新方法以及结合一致性元分析的调整，成功在合成和真实的单细胞RNA测序数据中获取相关的基因表达程序。

    Aug, 2023

  • 1比特矩阵完备性问题中分数后验的集中性质

    通过考虑非均匀采样方案，我们为二值观测的矩阵完成问题提供了理论保证，证明了分数后验的有效性。我们使用两种不同类型的先验分布来实现这一目标：低秩分解先验和谱缩放的学生先验，后者需要较少的假设。重要的是，我们的结果具有自适应性，不需要对参数矩阵的秩有先验知识，与最频繁的文献中的结果相当，但需要较少的限制性假设。

    Apr, 2024