グラフSPME:Markov精度行列推定と漸近的Stein型収縮【JST・京大機械翻訳】

Lunde Berent Ånund Stromnes; Curic Feda; Sortland Sondre

プレプリント

J-GLOBAL ID：202202221474312896 整理番号：22P0350671

グラフSPME:Markov精度行列推定と漸近的Stein型収縮【JST・京大機械翻訳】

GraphSPME: Markov Precision Matrix Estimation and Asymptotic Stein-Type Shrinkage

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2022年05月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グラフSPMEは,共分散行列の漸近Stein型収縮推定と共にノンパラメトリックスパース精度行列推定を実行するオープンソースPython,RおよびC++ヘッダ専用パッケージである。ユーザは潜在的近傍構造を定義し,潜在的にp>>nであるデータを提供する。本論文では,最適次数(データが,潜在的Markov特性の推定を可能にする)を見つけるための新しいアプローチを紹介した。アルゴリズムをパッケージに実装して,Markov仮定を作って,対応する複雑な高次近傍構造を実装するユーザの問題を軽減した。推定は,Markov特性とStein型収縮の両方を同時に利用することにより,正確で安定である。Stein型収縮に関する漸近結果は,非特異井戸条件付けマトリックスが自動的に得られることを確実にする。最終的な対称性変換は,対称の正の明確な推定を生成する。さらに,推定ルーチンは,Markov仮定の下で精度行列のスパース性を利用して,非常に高次元問題(約10 ̄^7)に効率的でスケーラブルなものになされる。実装して,Eigen C++線形代数ライブラリによって利用可能なスパース性可能性を採用することによって,スパース性を利用した。パッケージと用例は,https://github.com/equinor/GraphSPMEで利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

信号理論

, , , ,

前のページに戻る