魁克

QUIC:稀疏逆协方差估计的二次逼近。ξ1-正则化高斯极大似然估计(MLE)在从非常有限的样本中恢复稀疏协方差矩阵或高斯-马尔可夫随机场的底层图结构时具有很强的统计保证。我们提出了一个新的算法来解决优化问题,这是一个正则化的对数行列式程序。与目前大量使用一阶梯度信息的最新方法不同,我们的算法基于牛顿方法,采用二次近似,但在一些修改后利用稀疏高斯MLE问题的结构。我们证明了我们的方法是超线性收敛的,并且使用合成的和真实世界的应用数据给出了实验结果,与以前的方法相比,我们的方法在性能上有了很大的改进。


zbMATH参考文献(19篇文章引用)

显示第1至19个结果,共19个。
按年份排序(引用)

  1. Ghose,阿穆尔;Jaini,Priyank;Poupart,Pascal:亚二次时间内学习有向无环图SPN(2020)
  2. Nakagaki,Takashi;Fukuda,Mituhiro;Kim,Sunyoung;Yamashita,Makoto:对数行列式半定问题的双谱投影梯度法(2020)
  3. 王,程;江,斌燕:基于惩罚二次损失的高维精度矩阵估计的有效ADMM算法(2020)
  4. 吴一冲;李铁军;刘小平;陈洛南:基于交叉变量融合D-迹损失的差分网络推断(2020)
  5. Aíraz,Melih;Purutçuoílu,维尔达:生物网络描述中的扩展套索型火星(LMARS)模型(2019年)
  6. Bollhöfer,Matthias;Eftekhari,Aryan;Scheidegger,Simon;Schenk,Olaf:大规模稀疏逆协方差矩阵估计(2019年)
  7. Das,Anup;Sexton,Daniel;Lainscsek,Claudia;Cash,Sydney S.;Sejnowski,Terrence J.:从癫痫发作期间未观察到的输入的人类皮层电图记录描述大脑连接(2019年)
  8. Litvinenko,Alexander;Sun,Ying;Genton,Marc G.;Keyes,David E.:大型空间数据集的层次矩阵似然逼近(2019)
  9. Sanguinetti,Guido(编辑);Huynh Thu,V–n Anh(编辑):基因调控网络。方法和方案(2019年)
  10. Bottou,Léon;Curtis,Frank E.;Nocedal,Jorge:大规模机器学习的优化方法(2018)
  11. Devijver,Emilie;Gallopin,Mélina:高维高斯图形模型的块对角协方差选择(2018)
  12. Boutsidis,Christos;Drineas,Petros;Kambadur,Prabhanjan;Kontopoulou,Eugenia Maria;Zouzias,Anastasios:一种近似对称正定矩阵对数行列式的随机算法(2017年)
  13. Das,Anup;Sampson,Aaron L.;Lainscsek,Claudia;Muller,Lyle;Lin,Wutu;Doyle,John C.;Cash,Sydney S.;Halgren,Eric;Sejnowski,Terrence J.:精度矩阵的解释及其在从人类皮层电图记录中估计睡眠纺锤波期间稀疏大脑连通性的应用(2017)
  14. Han,Insu;Malioutov,Dmitry;Avron,Haim;Shin,Jinwoo:使用随机切比雪夫近似法近似大规模矩阵的谱和(2017)
  15. Cai,T.Tony;Ren,Zhao;Zhou,Harrison H.:估计结构化高维协方差和精度矩阵:最优速率和自适应估计(2016)
  16. Tarr,G.;Müller,S.;Weber,N.C.:细胞污染下精密矩阵的稳健估计(2016)
  17. Treister,Eran;Turek,Javier S.;Yavneh,Irad:稀疏优化的多级框架及其在逆协方差估计和逻辑回归中的应用(2016)
  18. 张良良;杨龙琦;胡、古宇;潘志松;李震:稀疏高斯图形模型的链路预测(2016)
  19. Hsieh,Cho-Jui;Sustik,Mátyás A.;Dhillon,Inderjit s.;Ravikumar,Pradeep:QUIC:稀疏逆协方差估计的二次近似(2014)