将额外知识整合到图模型的估计中
机器学习
2017-04-21 v2 应用统计
统计方法学
摘要
在图模型的应用中，我们通常拥有比样本本身更多的信息。一个典型的例子是基于 fMRI 数据估计脑连接网络，其中除了样本本身外，测量的空间位置也是现成的。鉴于这一特定应用，我们对如何最有效地将额外知识纳入图估计感兴趣。我们解决此问题的方法是，通过增强调优参数的作用，使邻域选择对额外知识具有响应性。我们证明了这一概念：(i) 可以提高可重复性，(ii) 计算上便捷且高效，以及 (iii) 具有清晰的贝叶斯解释。我们具体展示了该方法能够从 fMRI 数据中有效估计脑连接图。然而，由于提供了一种纳入额外知识的通用方案，我们的概念预计将在广泛的领域中得到应用。
引用
@article{arxiv.1704.02739,
title = {Integrating Additional Knowledge Into Estimation of Graphical Models},
author = {Yunqi Bu and Johannes Lederer},
journal= {arXiv preprint arXiv:1704.02739},
year = {2017}
}
备注
16 pages, 4 figures, 1 table