文献

J-GLOBAL ID：202202274812356517   整理番号：22A0692149

ネットワークの異種集団のクラスタリング【JST・京大機械翻訳】

Clustering of heterogeneous populations of networks

著者 (6件)： Young Jean-Gabriel (Department of Mathematics and Statistics, University of Vermont, Burlington, Vermont 05405, USA) ,  Young Jean-Gabriel (Vermont Complex Systems Center, University of Vermont, Burlington, Vermont 05405, USA) ,  Kirkley Alec (Department of Physics, University of Michigan, Ann Arbor, Michigan 48109, USA) ,  Kirkley Alec (School of Data Science, City University of Hong Kong, 999077, Hong Kong) ,  Newman M. E. J. (Department of Physics, University of Michigan, Ann Arbor, Michigan 48109, USA) ,  Newman M. E. J. (Center for the Study of Complex Systems, University of Michigan, Ann Arbor, Michigan 48109, USA)
資料名： Physical Review. E  (Physical Review. E)
巻： 105  号： 1  ページ： 014312  発行年： 2022年 
JST資料番号： W0493A  ISSN： 2470-0045  資料種別： 逐次刊行物 (A)
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： 反復測定からネットワークを再構成する統計的方法は,全ての測定が同じ基礎ネットワーク構造から生成されると仮定する。しかし,これは症例ではない。人々のソーシャルネットワークは,例えば,週日と週末で異なる可能性がある。脳ネットワークは,健康な患者と認知症または他の状態の間で異なる可能性がある。ここでは,ネットワーク測定が複数の可能な構造を反映するという事実を可能にする,そのようなデータのBayes解析フレームワークについて述べた。測定プロセスの有限混合モデルを定義し,モデルパラメータの完全事後分布から正確にサンプルするGibbsサンプリング手順を導いた。最終結果は,類似の構造を有するグループへの測定ネットワークのクラスタ化である。実および合成ネットワーク集団の両方に関する方法を実証した。Copyright 2022 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  確率分布 ,  標本抽出 ,  統計的方法 ,  *クラスタ化 ,  ネットワーク構造 ,  再構成 ,  モデル ,  パラメータ ,  認知症
準シソーラス用語： モデルパラメータ ,  社会的ネットワーク ,  神経ネットワーク ,  Gibbsサンプリング ,  事後分布 ,  ネットワーク測定 ,  有限混合モデル , 【Automatic Indexing@JST】

分類 (1件)： 脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (2件)： 集団 ,  クラスタリング