抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】