使用 PARAFAC2 模型追踪网络演化
应用统计
2021-01-27 v1 机器学习
神经元与认知
摘要
刻画随时间演化的网络是一项具有挑战性的任务，但对于理解大脑等复杂系统的动态行为至关重要。例如，大脑中功能连接的时空网络在任务期间如何演化尚不为人所充分了解。神经影像数据分析中的传统方法是通过假设静态空间网络来进行简化。在本文中，我们在不假设时间 and/or 空间上静态网络的前提下，将时间数据排列为高阶张量，并使用称为 PARAFAC2 的张量分解模型来捕捉时变数据中潜在的空间网络模式及其演化。在模拟数据上的数值实验表明，PARAFAC2 能成功揭示底层网络及其动态。我们还通过分析功能性磁共振成像数据，展示了该模型在追踪大脑中任务相关功能连接演化方面的良好性能。
引用
@article{arxiv.1911.02926,
title = {Tracing Network Evolution Using the PARAFAC2 Model},
author = {Marie Roald and Suchita Bhinge and Chunying Jia and Vince Calhoun and Tülay Adalı and Evrim Acar},
journal= {arXiv preprint arXiv:1911.02926},
year = {2021}
}
备注
5 pages, 5 figures, conference