高次元データにおけるベイズ最適変化点検出
高次元データにおける平均ベクトルと共分散構造の変化点を検出するための、計算効率の高いベイズ手法を提案する。この手法は、ペアワイズベイズ因子を用い、個々の成分の有意な変化を効率的に特定するためにモジュール化を活用している。提案手法は、既存手法よりもはるかに緩やかな条件下で、変化点を一貫して検出し推定することが示されている。
Bayesian Optimal Change Point Detection in High-Dimensional Mean and Covariance Structures
This paper introduces novel Bayesian methods for detecting change points in high-dimensional data, focusing on changes in both mean vectors and covariance matrices, offering advantages over existing frequentist approaches.
基於梯度的變分經驗貝葉斯多元迴歸優化方法
本文提出了一種基於梯度的變分推斷 (GradVI) 方法，用於優化變分經驗貝葉斯 (VEB) 多元迴歸模型，並與傳統的基於坐標上升的變分推斷 (CAVI) 方法進行了比較。
변분 경험 베이즈 다중 회귀를 위한 그래디언트 기반 최적화
본 논문에서는 변분 경험 베이즈(VEB) 다중 회귀 문제를 해결하기 위한 새로운 그래디언트 기반 최적화 방법인 GradVI를 제안하며, 이는 기존의 좌표 상승 변분 추론(CAVI) 방법보다 예측 정확도와 계산 효율성 측면에서 우수한 성능을 보입니다.
A Novel Approach for Summarizing Posterior Inference in Bayesian Nonparametric Mixture Models Using Sliced Optimal Transport Metrics
This paper proposes a novel, model-agnostic method for summarizing posterior inference in Bayesian nonparametric mixture models, prioritizing density estimation of the mixing measure using sliced optimal transport distances.
変分経験ベイズ多重回帰のための勾配ベース最適化
本稿では、変分経験ベイズ（VEB）多重回帰における従来の座標降下法に代わる、勾配ベースの最適化手法（GradVI）を提案し、特に予測変数が高度に相関している場合や、高速な行列ベクトル積が可能な設計行列を持つ場合（トレンドフィルタリングなど）に、より高速かつ効率的な収束を実現することを示している。
Gradient-Based Variational Inference (GradVI) for Empirical Bayes Multiple Regression with Application to Trend Filtering
This paper introduces GradVI, a gradient-based optimization method for variational empirical Bayes (VEB) in multiple linear regression, demonstrating its advantages over coordinate ascent methods (CAVI) in scenarios with correlated predictors or design matrices enabling fast matrix-vector multiplication, particularly in trend filtering applications.
결측 데이터 대체 및 내부 검증을 결합한 임상 위험 예측 모델 구축 및 검증
임상 위험 예측 모델 개발 시, 결측 데이터 처리를 위해 결정적 대체 방법을 사용하고 부트스트래핑을 통해 내부 검증을 수행하는 것이 모델의 성능을 높이고 미래 환자 예측에 효과적이다.
臨床リスク予測モデルにおける欠損データ補完と内部検証の組み合わせ
臨床リスク予測モデル構築において、予測精度向上と将来の患者への適用を考慮すると、決定論的補完法が有効であり、ブートストラップ法と組み合わせることで、モデルの性能を効果的に検証できる。
基於叢集法的多變量極值估計與階數選擇：兼論大偏差分析、因子模型估計及應用
本文提出了一種基於懲罰剪影寬度的新方法，用於在叢集分析框架下，對具有離散譜測度的多變量極值模型進行階數選擇，並探討了該方法在大偏差分析、因子模型估計等方面的應用。
© 2024 by Linnk AI