安德烈亚·贝尔托齐。;巴马达·侯赛尼;李浩;凯文·米勒;安德鲁·斯图尔特(Andrew M.Stuart)。 图上半监督回归的后验一致性。 (英语) Zbl 1476.62132号 反向问题。 37,第10期,第32页(2021年). 摘要:基于图的半监督回归(SSR)涉及根据加权图上一小部分顶点上的函数值(标签)来估计加权图上函数的值;它可以表示为贝叶斯反问题。本文研究了在分类上下文中,标签具有小噪声且底层图权重与聚集良好的顶点一致的情况下,SSR的一致性。我们提出了SSR的贝叶斯公式,其中加权图使用拉普拉斯图定义高斯先验,标记数据定义似然。我们根据量化图中小标记错误和固有聚类的参数,分析了围绕地面真实的后验测度的收缩率。我们获得了收缩率的界,并通过数值实验说明了它们的尖锐性。该分析还深入了解了进入先验定义的超参数的选择。 MSC公司: 62小时30分 分类和区分;聚类分析(统计方面) 2015年1月62日 贝叶斯推断 68T05型 人工智能中的学习和自适应系统 05C90年 图论的应用 关键词:半监督学习;分类;一致性;拉普拉斯图;贝叶斯推断 PDF格式BibTeX公司 XML格式引用 \textit{A.L.Bertozzi}等人,反问题。37,第10号,第32页(2021;兹bl 1476.62132) 全文: 内政部 arXiv公司 链接 参考文献: [1] 阿加皮欧,S。;拉尔森,S。;Stuart,A.M.,线性病态逆问题贝叶斯方法的后验收缩率,Stoch。过程。申请。,123, 3828-3860 (2013) ·Zbl 1284.62289号 ·doi:10.1016/j.spa.2013.05.001 [2] Arridge,S。;Maass,P。;O.Øktem。;Schönlieb,C-B,使用数据驱动模型解决反问题,数字学报,28,1-174(2019)·Zbl 1429.65116号 ·doi:10.1017/s096249291900059 [3] 贝尔金,M。;马特维娃,I。;Niyogi,P.,《大型图的正则化和半监督学习》,624-638(2004),柏林:施普林格出版社,柏林·Zbl 1078.68685号 [4] 贝尔金,M。;Niyogi,P.,用于嵌入和聚类的拉普拉斯特征映射和光谱技术,神经信息处理系统进展,585-591(2002) [5] 贝尔金,M。;Niyogi,P。;Sindhwani,V.,《流形正则化:从标记和未标记示例学习的几何框架》,J.Mach。学习。第7号决议,2399-2434(2006)·Zbl 1222.68144号 [6] 贝尔托齐,A.L。;Flenner,A.,《高维数据分类图上的扩散界面模型》,SIAM Rev.,58,293-328(2016)·Zbl 1339.68287号 ·doi:10.1137/16m1070426 [7] 贝尔托齐,A.L。;罗,X。;Stuart,A.M。;Zygalakis,K.C.,基于图形的高维数据分类中的不确定性量化,SIAM/ASA J.不确定性。数量。,6, 568-595 (2018) ·Zbl 1394.62083号 ·doi:10.1137/17m1134214 [8] Brown,L.D。;Low,M.G.,非参数回归与白噪声的渐近等价性,《Ann.Stat.》,24,2384-2398(1996)·Zbl 0867.62022号 ·doi:10.1214/aos/1032181159 [9] Calvetti,D。;Somersalo,E.,《贝叶斯科学计算导论:主观计算十讲》,第2卷(2007),柏林:施普林格出版社,柏林·Zbl 1137.65010号 [10] Dashti,M。;法律,K.J H。;Stuart,A.M。;Voss,J.,Bayesian非参数反问题中的MAP估计及其一致性,反问题,29(2013)·Zbl 1281.62089号 ·doi:10.1088/0266-5611/29/9/095017 [11] Dashti,M。;Stuart,A.M。;加纳共和国。;希格顿,D。;Owhadi,H.,《逆向问题的贝叶斯方法》,311-428(2017),柏林:施普林格出版社,柏林·doi:10.1007/978-3-319-12385-17 [12] Davis,C。;Kahan,W.M.,《扰动下特征向量的旋转:III,SIAM J.Numer。分析。,7, 1-46 (1970) ·Zbl 0198.47201号 ·doi:10.1137/0707001 [13] Diaconis,P。;Freedman,D.,《贝叶斯估计的一致性》,《Ann.Stat.》,第14卷,第1-26页(1986年)·Zbl 0595.62022号 ·doi:10.1214操作系统/1176349842 [14] 英国,H.W。;汉克,M。;Neubauer,A.,《反问题的正则化》,第375卷(1996),柏林:施普林格出版社,柏林·Zbl 0859.65054号 [15] Freedman,D.,Wald演讲:关于无穷维参数的Bernstein-von Mises定理,《Ann.Stat.》,27,1119-1141(1999)·Zbl 0957.6202号 ·doi:10.1214/aos/1017938917 [16] Ghosal,S。;Ghosh,J.K。;Van Der Vaart,A.W.,《后验分布的收敛速度》,《Ann.Stat.》,第28期,第500-531页(2000年)·Zbl 1105.62315号 ·doi:10.1214/aos/1016218228 [17] 吉内,E。;Nickl,R.,《无限维统计模型的数学基础》(2016),剑桥:剑桥大学出版社,剑桥·Zbl 1358.62014号 [18] Hartog,J。;van Zanten,H.,图上的非参数贝叶斯标记预测,计算。统计数据分析。,120, 111-131 (2018) ·兹比尔1469.62076 ·doi:10.1016/j.csda.2017.11.008 [19] Hartog,J。;van Zanten,H.,使用截断拉普拉斯正则化对大型图进行非参数贝叶斯标记预测,Commun。统计模拟。计算。,1-18 (2019) ·Zbl 07553314号 ·doi:10.1080/03610918.2019.1634202 [20] 霍夫曼,F。;侯赛尼,B。;Oberai,A.A。;Stuart,A.M.,数据聚类中加权拉普拉斯算子的谱分析(2019) [21] 霍夫曼,F。;侯赛尼,B。;任,Z。;Stuart,A.M.,图上半监督学习算法的一致性:probit和one-hot方法,J.Mach。学习。研究,21,1-55(2020年)·兹比尔1527.68179 [22] Jacot,A。;加布里埃尔,F。;洪勒,C。;Bengio,S。;瓦拉赫,H。;拉罗谢尔,H。;Grauman,K。;塞萨·比安奇,N。;Garnett,R.,《神经切线核:神经网络中的收敛和泛化》,神经信息处理系统进展,第31卷(2018年) [23] 凯皮奥,J。;Somersalo,E.,《统计与计算反问题》,第160卷(2006),柏林:施普林格出版社,柏林·Zbl 0927.35134号 [24] 基里琴科,A。;van Zanten,H.,通过贝叶斯拉普拉斯正则化估计大型图上的光滑函数,电子。《J.Stat.》,第11卷,第891-915页(2017年)·Zbl 1362.62112号 ·doi:10.1214/17-ejs1253 [25] Knapik,B.T。;范德法特,A.W。;van Zanten,J.H.,带高斯先验的贝叶斯反问题,《Ann.Stat.》,39,2626-2657(2011)·Zbl 1232.62079号 ·doi:10.1214/11-aos920 [26] 科斯托普洛斯,G。;卡洛斯,S。;Kotsiantis,S。;Ragos,O.,《半监督回归:最新评论》,J.Intell。模糊系统。,35, 1483-1500 (2018) ·doi:10.3233/jifs-169689 [27] LeCun,Y。;Cortes,C.,MNIST手写数字数据库(2010) [28] 林格伦,F。;H街。;Lindström,J.,《高斯场和高斯-马尔可夫随机场之间的明确联系:随机偏微分方程方法》,J.R.Stat.Soc.B,73423-498(2011)·兹比尔1274.62360 ·文件编号:10.1111/j.1467-9868.2011.00777.x [29] Loeve,M.,概率论II(1978),柏林:施普林格出版社,柏林·Zbl 0385.60001号 [30] 莫纳德,F。;Nickl,R。;Paternain,G.P.,噪声非阿贝尔X射线变换的一致反演,Commun。纯应用程序。数学。,74, 1045-1099 (2021) ·Zbl 07363259号 ·doi:10.1002/cpa.21942 [31] Ng,A.Y。;M.I.乔丹。;Weiss,Y.,《关于谱聚类:分析和算法》,《神经信息处理系统进展》,849-856(2002) [32] 奥哈迪,H.,想法有形状吗?柏拉图的形式理论是人工神经网络的连续极限(2020) [33] 奥瓦迪,H。;Yoo,G.R.,《内核流:从数据中学习内核到深渊》,J.Compute。物理。,389, 22-47 (2019) ·Zbl 1452.65028号 ·doi:10.1016/j.jcp.2019.03.040 [34] 拉斯穆森,C.E。;Williams,C.K I.,《机器学习的高斯过程》(2006),马萨诸塞州剑桥:麻省理工学院出版社·Zbl 1177.68165号 [35] Soh,Y.S。;Chandrasekaran,V.,学习半定正则化子,发现。计算。数学。,19, 375-434 (2019) ·兹比尔1411.90269 ·doi:10.1007/s10208-018-9386-z [36] Spielman,D.A。;Teng,S-H,《谱划分工作:平面图和有限元网格》,96-105(1996),新泽西州皮斯卡塔韦:IEEE,皮斯卡塔韦,新泽西 [37] Spielman,D.A。;Teng,S-H,谱划分工程:平面图和有限元网格,线性代数。申请。,421, 284-305 (2007) ·Zbl 1122.05062号 ·doi:10.1016/j.laa.2006.07.020 [38] Steinwart,I.,《关于核对支持向量机一致性的影响》,J.Mach。学习。第267-93号决议(2001年)·Zbl 1009.68143号 ·doi:10.1162/153244302760185252 [39] Steinwart,I.,支持向量机和其他正则化核分类器的一致性,IEEE Trans。通知。理论,51,128-142(2005)·兹比尔1304.62090 ·doi:10.1109/tit.2004.839514 [40] Tewari,A。;Bartlett,P.L.,《关于多类分类方法的一致性》,J.Mach。学习。研究,81007-1025(2007)·Zbl 1222.62079号 [41] 北卡罗来纳州加西亚·特里洛斯。;Gerlach,M。;海因,M。;Slepčev,D.,随机几何图上的图Laplacian向Laplace-Beltrami算子的谱收敛的误差估计,Found。计算。数学。,20, 827-887 (2020) ·Zbl 1447.62141号 ·文件编号:10.1007/s10208-019-09436-w [42] 北卡罗来纳州加西亚·特里洛斯。;Slepčev,D.,光谱聚类一致性的变分方法,应用。计算。哈蒙。分析。,45, 239-281 (2018) ·Zbl 1396.49013号 ·doi:10.1016/j.acha.2016.09.003 [43] van der Vaart,A.W.,《渐近统计》,第3卷(2000),剑桥:剑桥大学出版社,剑桥·兹比尔0910.62001 [44] 范德法特,A.W。;van Zanten,J.H.,基于高斯过程先验的后验分布收缩率,《Ann.Stat.》,第36期,第1435-1463页(2008年)·Zbl 1141.60018号 ·doi:10.1214/009053607000000613 [45] Vapnik,V.,《统计学习理论》(1998),纽约:威利出版社,纽约·Zbl 0935.62007号 [46] Von Luxburg,U.,《光谱聚类教程》,统计计算。,17, 395-416 (2007) ·数字对象标识代码:10.1007/s11222-007-9033-z [47] Von Luxburg,美国。;贝尔金,M。;Bousquet,O.,《光谱聚类的一致性》,《Ann.Stat.》,36,555-586(2008)·Zbl 1133.62045号 ·doi:10.1214/009053607000000640 [48] 吴,M。;Schölkopf,B.,通过局部学习正则化进行的归纳分类,628-635(2007) [49] 吴琼。;周,D-X,支持向量机分类分析,计算机学报。分析。申请。,8, 99-119 (2006) ·Zbl 1185.68577号 ·doi:10.1007/s10208-008-9026-0 [50] Zelnik-Manor,L。;Perona,P.,自校正谱聚类,神经信息处理系统进展,1601-1608(2005) [51] Zhu,X.,半监督学习文献调查,技术报告TR1530(2005),威斯康星大学麦迪逊分校计算机科学系 [52] Zhu,X.,《图形半监督学习》,博士论文(2005),匹兹堡,宾夕法尼亚州,美国 [53] 朱,X。;加赫拉马尼,Z。;Lafferty,J.,使用高斯场和调和函数的半监督学习,912-919(2003) [54] 朱,X。;拉弗蒂,J。;Ghahramani,Z.,使用高斯场和调和函数结合主动学习和半监督学习,58-65(2003) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。