文献

J-GLOBAL ID：201802274115667616   整理番号：18A0586983

Gaussグラフィカルモデルにおけるセミブラインド部分グラフ再構成【Powered by NICT】

Semiblind subgraph reconstruction in Gaussian graphical models

著者 (3件)： Xie Tianpei (Dept. of Electrical Eng., University of Michigan, Ann Arbor, MI 48109) ,  Liu Sijia (Dept. of Electrical Eng., University of Michigan, Ann Arbor, MI 48109) ,  Hero Alfred O. (Dept. of Electrical Eng., University of Michigan, Ann Arbor, MI 48109)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 628-632  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 数ノード(エージェント)のみがノード属性変数(挙動)上の条件付き依存性グラフはわずかであるという意味で有意義な相互作用を持つソーシャルネットワークを検討した。それ自身の顧客間の相互作用を観測しただけであることを会社は一般的にその顧客依存性部分グラフを正確に推定することができたできないであろう:それはその顧客の外部相互作用に対して盲検化であり,この失明はその部分グラフにおける偽エッジを生成する。本論文では,会社は,固化剤によって提供された外用剤,例えば,を結合する相補的部分グラフの雑音要約へのアクセスを持つセミブラインドシナリオを検討した。提案したフレームワークは,他の応用に適用し,覚醒と睡眠センサのネットワークと社会的サブネットワーク上でプライバシー制約情報共有から場の推定を含む。Gaussグラフィカルモデル(GGM)に従うグラフ信号の文脈におけるペナルティ付き尤度アプローチを提案した。ペナルティ付き尤度を最大化するために凹凸反復最適化アルゴリズムを用いた。提案アプローチの有効性は,最新のGGMと潜在変数(LV GGM)法を用いた数値実験との比較により実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ネットワーク ,  *グラフ ,  雑音 ,  *部分グラフ ,  プライバシー ,  *再構成 ,  センサ ,  エージェント ,  ペナルティ ,  情報共有 ,  相互作用
準シソーラス用語： 数値実験 ,  尤度 ,  社会的ネットワーク ,  *信念ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (5件)： グラフィカルモデル ,  セミ ,  ブラインド ,  部分グラフ ,  再構成