×
岳、左宫;约翰·桑伯格;潘伟;伦纳特·永;豪尔赫·贡萨尔维斯

基于异构数据集的动态网络重构。 （英语） Zbl 1461.93104号

Automatica公司 123，文章ID 109339，9 p.（2021）.
摘要：在学习复杂系统的内部机制时，进行多次实验是常见的。这些实验可以包括参数扰动或外部扰动。一个具有挑战性的问题是同时有效地合并所有收集的数据以推断底层动态网络。本文讨论了在假设底层网络在所有实验中共享相同的布尔结构的情况下，从异构数据集重建动态网络。推导了动态结构函数的参数模型，描述了被测变量之间的因果关系。将多个数据集集成到一个回归问题中，并对组稀疏性提出额外要求，以确保网络稀疏性和结构一致性。为了获得结构化的组稀疏性，我们提出了一种基于采样的方法，以及\（l_1\）-方法的扩展版本和稀疏贝叶斯学习。所提方法的性能在数值模拟中进行了基准测试。总之，本文通过多次实验提出了网络重构的有效方法，并揭示了可以指导应用的实际经验。

引用于2文件

MSC公司：

93B30型 系统标识
93B70型 网络控制

关键词：

系统标识;网络重建;异质性;稀疏性;多次实验
PDF格式BibTeX公司 XML格式引用
\textit{Z.Yue}等人，Automatica 123，文章ID 109339，9 p.（2021；Zbl 1461.93104）
全文： DOI程序 arXiv公司

参考文献：

[1] Akutsu、Tatsuya；宫野、佐藤；Kuhara，Satoru，在布尔网络模型下从少量基因表达模式识别遗传网络。，（生物计算太平洋研讨会，4（1999），Citeser），17-28
[2] 巴·约瑟夫（Bar-Joseph，Ziv）；安东尼·吉特（Anthony Gitter）；Simon，Itamar，使用时间序列基因表达数据研究和建模动态生物过程，《自然评论遗传学》，13，84552-564（2012）
[3] 马修·J·比尔（Matthew J.Beal）。；弗朗西斯科·法尔恰尼；Ghahramani，Zoubin；克劳迪娅·兰格尔（Claudia Rangel）；Wild，David L.，用贝叶斯方法重建隐藏因子的基因调控网络，生物信息学，21，3，349-356（2005）
[4] James O.Berger，《统计决策理论和贝叶斯分析》（统计中的斯普林格系列）（1993），斯普林格
[5] 伊曼纽尔·坎迪斯。；迈克尔·沃金（Michael B.Wakin）。；Boyd，Stephen P.，通过重加权l1最小化增强稀疏性，傅里叶分析与应用杂志，14，5-6，877-905（2008）·Zbl 1176.94014号
[6] Rick Chartrand；Yin，Wotao，压缩感知的迭代重加权算法，（声学，语音和信号处理，2008）。ICASSP 2008。IEEE国际会议（2008），IEEE），3869-3872
[7] 瓦苏·切蒂；Warnick，Sean，《动态系统的网络语义》，（2015年第54届IEEE决策与控制会议（CDC）（2015），IEEE），1557-1562
[8] 亚历山德罗·齐乌索；Pillonetto，Gianluigi，稀疏动态网络识别的贝叶斯方法，Automatica，48，8，1553-1565（2012）·Zbl 1267.93172号
[9] Michael Eichler，Granger多元时间序列的因果关系和路径图，《计量经济学杂志》，137，334-353（2007）·Zbl 1360.62455号
[10] 卡尔·弗里斯顿（Karl J.Friston）。；哈里森，李；Penny，Will，动态因果建模，神经影像学，19，41273-1302（2003）
[11] Jorge Goncalves；Warnick，Sean，LTI网络动态结构重建的必要和充分条件，IEEE自动控制汇刊，53，7，1670-1674（2008）·Zbl 1367.93150号
[12] Granger，Clive W.J.，《用计量经济学模型和交叉谱方法研究因果关系》，《计量经济学》，424-438（1969）·Zbl 1366.91115号
[13] 大卫·海登；Chang，Young Hwan；Jorge Goncalves；Tomlin，Claire J.，《通过压缩感知实现稀疏网络可识别性》，Automatica，68，9-17（2016）·Zbl 1334.93051号
[14] Hayden、David、Yuan、Ye和Goncalves、Jorge（2014a）。基于固有噪声的网络重建：非最小相位系统。第19届国际会计师联合会世界大会会议记录·Zbl 1373.93086号
[15] 海登，D。；袁、叶；Goncalves，J.，《从固有噪声中重建网络：最小相位系统》，（美国控制会议（ACC），2014（2014）），4391-4396
[16] 大卫·海登；袁、叶；Goncalves，Jorge，《固有噪声的网络可识别性》，IEEE自动控制汇刊，PP，99，1（2016）·Zbl 1373.93086号
[17] 何凤；陈海荣；Michael Probst-Kepper；Robert Geffers；谢尔盖·埃菲斯（Serge Eifes）；del Sol，Antonio，Plau从相关网络推断出对调节性t细胞的抑制功能至关重要，分子系统生物学，8，1（2012）
[18] Van den Hof，Paul M.J。；Dankers，Arne；Heuberger，Peter S.C。；Bombois，Xavier，用预测误差方法识别复杂网络中的动态模型——一致模估计的基本方法，Automatica，49，10，2994-3006（2013）·Zbl 1358.93059号
[19] 肖成，经济变量的自回归建模与因果排序，《经济动态与控制杂志》，4，243-259（1982）
[20] Kuo，Lynn；巴尼·马利克，回归模型的变量选择，桑卡亚：印度统计杂志，B辑，65-81（1998）·Zbl 0972.62016号
[21] Liu，Jun S.，科学计算中的蒙特卡罗策略（2008），Springer Science&Business Media·Zbl 1132.65003号
[22] Ljung，L.，（系统识别：用户理论。系统识别：用于用户的理论，Prentice-Hall信息和系统科学系列（1999），Prentice Hall PTR）
[23] 多纳泰罗·马特拉西；Innocenti，Giacomo，动态系统网络中的拓扑识别，IEEE自动控制汇刊，55，8，1860-1871（2010）·Zbl 1368.93750号
[24] 多纳泰罗·马特拉西；Salapaka，Murti V.，关于通过维纳滤波器的局部属性重建未知拓扑的问题，IEEE自动控制事务，57，7，1765-1777（2012）·Zbl 1369.93642号
[25] 墨菲，凯文；Mian，Saira，使用动态贝叶斯网络建模基因表达数据技术报告（1999），加利福尼亚大学计算机科学部
[26] 凯文·帕特里克·墨菲（Kevin Patrick Murphy）；Russell，Stuart，《动态贝叶斯网络：表示、推理和学习》（2002），加利福尼亚大学：加利福尼亚大学伯克利分校
[27] 潘伟；袁、叶；Lennart Ljung；Jorge Gon；Stan，Guy-Bart，从异质数据集识别生化反应网络，（2015年IEEE第54届决策与控制会议（CDC）（2015），IEEE），2525-2530
[28] 朱迪娅·珀尔，《智能系统中的概率推理：似是而非的推理网络》（Morgan Kaufmann Series in Representation and reasoning）（1988），Morgan Koufmann·Zbl 0746.68089号
[29] Berkman Sahiner；陈伟杰；佩泽什克，阿里亚；Petrick，Nicholas，当数据集不平衡时两个分类器的比较：精度-召回曲线下面积作为优值的功率与ROC曲线下面积的功率，（SPIE医学成像（2017），国际光学和光子学会），101360G
[30] 伊利亚州什穆列维奇；爱德华·多尔蒂（Edward R.Dougherty）。；Kim，Seungchan；张伟，概率布尔网络：基因调控网络的基于规则的不确定性模型，生物信息学，18，2，261-274（2002）
[31] 诺亚·西蒙；Robert Tibshirani，《标准化与集团套索惩罚》，《中国统计》，22，3，983（2012）·Zbl 1257.62080号
[32] van Someren，Eugene P。；Wessels，Lodewyk F.A。；Reinders，Marcel J.T.，实验数据中遗传网络的线性建模，（Ismb（2000）），355-366
[33] 乔治·杉原（George Sugihara）；罗伯特·梅；叶浩；谢志浩；伊桑·德伊尔（Ethan Deyle）；Michael Fogarty，《探测复杂生态系统中的因果关系》，科学，3386106496-500（2012）·Zbl 1355.92144号
[34] Tipping，Michael E.，稀疏贝叶斯学习和相关向量机，机器学习研究杂志，1211-244（2001）·Zbl 0997.68109号
[35] Van Dyk，David A。；焦西云，部分坍塌吉布斯采样器内的大都会黑斯廷斯，计算与图形统计杂志，24，2，301-327（2015）
[36] 肖恩·沃尼克（2015）。互联动力系统的共享隐藏状态和网络表示。在伊利诺伊州蒙蒂塞洛举行的第53届通信、控制和计算allerton年会上。
[37] Weerts，Harm H.M。；Dankers，Arne G。；Van den Hof，Paul M.J.，《动态网络识别中的可识别性》，IFAC-PapersOnLine，48，28，1409-1414（2015）
[38] 大卫·威普夫；Nagarajan，Srikatan，寻找稀疏解的迭代重加权l1和l2方法，IEEE期刊，信号处理选定主题，4，2，317-329（2010）
[39] David P.Wipf。；Rao，Bhaskar D.，基选择的稀疏贝叶斯学习，IEEE信号处理学报，52，8，2153-2164（2004）·Zbl 1369.94318号
[40] David P.Wipf。；Rao，Bhaskar D.，解决同时稀疏近似问题的经验贝叶斯策略，IEEE信号处理汇刊，55，7，3704-3716（2007）·Zbl 1391.62010年
[41] 袁明；Lin，Yi，分组变量回归中的模型选择和估计，英国皇家统计学会杂志。B系列：统计方法，68，1，49-67（2006）·Zbl 1141.62030号
[42] Yue，左功，系统生物学中的动态网络重构：方法与算法（2018），卢森堡大学，（博士论文）
[43] 岳、左宫；约翰·桑伯格（Johan Thunberg）；Goncalves，Jorge，《网络稳定性、实现和随机模型生成》，（2019年IEEE第58届决策与控制年会（CDC）（2019）），4539-4544
[44] 岳、左宫；约翰·桑伯格（Johan Thunberg）；潘伟；Lennart Ljung；Goncalves，Jorge，异构数据集的动态网络重建（2018），arXiv:1612.01963
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。