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。
多くの統計的モデルは,未知の(共)分散パラメータ(s)の推定を必要とする。推定は,通常,log決定因子項を含む対数尤度を最大化することにより得られた。原理では,Newton法による正確な最尤推定量を得るために-負Hessian行列または対数尤度の二次導関数-観察された情報が必要である。Fisher情報を使用する時,観察された情報,Newton法よりも単純なアルゴリズムの期待値はFisherスコアリングアルゴリズムとして得られた。生物科学,推薦システムと社会的ネットワークにおけるハイスループット技術の進歩に伴い,データセットのサイズと対応する統計モデルが突然数桁の大きさで増加している。観察された情報とFisher情報もこれらのビッグデータセットに対して得られたが容易である。本論文では,計算を単純化するために情報分割法を紹介した。観察された情報とFisher情報の平均を分割し,対数尤度のための簡単な近似的Hessian行列を得ることができた。近似Hessian行列は計算を大幅に低減できる,ビッグデータセットに適用可能な線形混合モデルを示した。このようなスピッティングと簡単な式を行列代数変換に強く依存する,大規模増殖モデルに適用できるgeneticsワイド関連解析。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】