QuTE：具有错误发现率控制的传感器网络去中心化多重检验
统计方法学
2025-07-08 v2 机器学习
信号处理
摘要
本文设计了图上去中心化多重假设检验的方法，并提供了错误发现率(FDR)的可证明保证。我们考虑如下场景：不同的智能体驻留于无向图的节点上，每个智能体拥有对应于其节点处一个或多个局部假设的p值。每个智能体必须仅与邻居通信，独立决定是否拒绝其一个或多个局部假设，共同目标是整个图上的全局FDR必须控制在预设水平。我们提出了一类简单的去中心化Query-Test-Exchange(QuTE)算法族，并证明在p值独立或正依赖下它们能控制FDR。我们的算法在经历图直径轮通信后退化为Benjamini-Hochberg(BH)算法，而在无通信发生或图为空时退化为Bonferroni过程。为避免传输实值p值，我们开发了量化BH过程，并将其扩展为量化QuTE过程。QuTE在流数据设置中无缝工作，其中任意时刻有效的p值可在每个节点持续更新。最后，QuTE对任意丢包或每步变化的图具有鲁棒性，使其特别适用于涉及无人机或其他多智能体系统的移动传感器网络。我们在不同连通性与通信水平的多种图结构仿真套件中研究了方法的功效，并给出了一个说明性真实示例。
引用
@article{arxiv.2210.04334,
title = {QuTE: decentralized multiple testing on sensor networks with false discovery rate control},
author = {Aaditya Ramdas and Jianbo Chen and Martin J. Wainwright and Michael I. Jordan},
journal= {arXiv preprint arXiv:2210.04334},
year = {2025}
}
备注
This paper appeared in the IEEE CDC'17 conference proceedings. The last two sections were then developed in 2018, and it is now being put on arXiv simply for easier access. The latest version fixed some figures