两种用于时变网络的高斯正则化方法
统计方法学
2022-03-11 v2 应用统计
统计计算
摘要
我们将时变网络数据建模为来自精度矩阵随时间变化的多元高斯分布的 realization。为促进参数估计，我们不仅要求任意给定时刻的每个精度矩阵稀疏，还要求相邻时刻的精度矩阵相似。我们通过分别推广弹性网（elastic net）和融合LASSO（fused LASSO），以两种不同的算法实现这一点。我们的主要焦点是高效的计算算法以及用于选择调谐参数的便利自由度公式。我们用两项模拟研究阐释我们的方法。通过将它们应用于一个fMRI数据集，我们还检测到健康个体与ADHD患者之间脑连接的一些有趣差异。
引用
@article{arxiv.2202.07099,
title = {Two Gaussian regularization methods for time-varying networks},
author = {Jie Jian and Peijun Sang and Mu Zhu},
journal= {arXiv preprint arXiv:2202.07099},
year = {2022}
}