文献

J-GLOBAL ID：201802280097568707   整理番号：18A0586672

Poisson自己回帰モデルによるネットワーク推定【Powered by NICT】

Network estimation via poisson autoregressive models

著者 (3件)： Mark Ben (Department of Mathematics, Wisconsin Institute for Discovery, University of Wisconsin-Madison) ,  Raskutti Garvesh (Department of Statistics, Wisconsin Institute for Discovery, University of Wisconsin-Madison) ,  Willett Rebecca (Department of Electrical and Computer Engineering, Wisconsin Institute for Discovery, University of Wisconsin-Madison)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAMSAP  ページ： 1-5  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： 多変量Poisson自己回帰モデルは,自己励起点過程を捕捉する一般的な方法である,ネットワークにおけるノードからのイベントのカスケードシリーズは,他のノードからのイベントを刺激または阻害する。これらのモデルは,社会的あるいは生物学的神経回路網の構造を学習に用いることができる。これら多変量ネットワークモデルに関連した重要な問題はどのようにして異なるノードがお互いに影響を決定することである。ノードの数は観察された事象の数と比較して大きい典型的であるので,この問題は多くの技術的課題を紹介した。本論文では,これらの課題を検討し,クラス多変量自己励起Poisson自己回帰モデルのための学習率を提供した。重要なことに,これらのネットワークが疎らな場合,誘導された学習率は,高次元設定において適用した。も筆者らの方法論と主な結果を支援するために実データ例を提供する。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 ,  高次元 ,  *自己回帰モデル ,  学習 ,  自己励磁 ,  *モデル ,  神経回路網
準シソーラス用語： 技術課題 ,  点過程 ,  多変量 ,  *遺伝子ネットワーク推定 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (2件)： 自己回帰モデル ,  ネットワーク推定