BDgraph(BDgraph) swMATH ID: 14815 软件作者: Mohammadi,A。;威特,E.C。 描述: 稀疏高斯图形模型中的贝叶斯结构学习。解码大量变量之间的复杂关系,而观测值相对较少,是科学中的关键问题之一。解决此问题的一种方法是高斯图形建模,它通过基础图中是否存在边来描述变量的条件独立性。本文介绍了一种新的、有效的用于高斯图形模型确定的贝叶斯框架,该框架是基于连续时间出生-死亡过程的跨维马尔可夫链蒙特卡罗(MCMC)方法。我们介绍了该方法的理论和计算细节。它易于实现,并且在计算上对高维图是可行的。我们证明了我们的方法在收敛性、图空间混合和计算时间方面优于其他贝叶斯方法。与频繁主义方法不同,它为结构学习提供了一种原则性的、在实践中合理的方法。我们在大量模拟数据上证明了该方法的有效性。然后,我们将该方法应用于人类和乳腺基因表达研究的大规模实际应用中,以显示其经验性有用性。此外,我们在R包BDgraph中实现了该方法,该包可以在url上免费获得{http://CRAN.R-project.org/package=BDgraph}. 主页: https://cran.r-project.org/web/packages/BDgraph/index.html 源代码: https://github.com/cran/BDgraph网站 关键词: 贝叶斯模型选择;稀疏高斯图形模型;不可分解图;生-死过程;马尔科夫蒙特卡洛;G-Wishart公司 相关软件: 玻璃制品;对;HdBCS公司;巨大的;记录仪;BGGM公司;卢比;EMVS公司;亿立方米;TETRAD公司;bn学习;PRMLT公司;ssgraph(ssgraph);q图;全球统一制度;SSS系统;贝叶斯DA;碱性磷酸酶;开放式VA;ElemStatLearn(电子状态学习) 引用于: 25文件 标准条款 2出版物描述软件,包括1出版物以zbMATH为单位 年份 加速稀疏高斯图形模型中的贝叶斯结构学习。 Zbl 07707245号雷扎·穆罕默德;马赛,Hélène;杰拉德·莱塔克 2023 BDgraph:图形模型中贝叶斯结构学习的R包arXiv公司Mohammadi,A。;威特,E.C。 2015 全部的 前5名59位作者引用 三 Ghosal,Subhashis公司 三 雷扎·穆罕默德 2 玛丽亚·德·伊奥里奥 2 李泽航理查德 2 马尔滕·马尔斯曼 2 Helene M.马萨姆。 2 贾米·马尔格雷夫。 2 倪,杨 2 维尔达·普鲁特索卢 2 威廉·范登·布姆 2 卢伦斯·沃尔多普。 1 梅利赫·阿拉兹 1 阿列克索普洛斯,安吉洛斯 1 是的,埃兹吉 1 维拉巴德兰·巴拉丹达尤塔帕尼 1 Sayantan Banerjee 1 亚历山大·贝斯科斯 1 Anindya,巴德拉 1 莱昂纳多·波托洛 1 劳伦特·布里奥莱丝 1 格尔达·克莱斯肯斯 1 塞缪尔·克拉克。 1 朱卡·科兰德 1 Jyotishka达塔 1 阿德里安·多布拉 1 高欣 1 劳伦·希诺瓦努 1 胡太忠 1 胡特,K.B.S。 1 萨拉·贾法里 1 季、袁 1 金百硕 1 莫瑞斯·克莱门斯·卡普斯坦 1 法布里奇奥·雷森 1 Janne Leppä-aho 1 勒塔克、杰拉德·G·。 1 罗向玉 1 Tyler H.McComick。 1 泰勒·H·麦考密克。 1 阿卜杜勒雷扎·穆罕默德 1 彼得·米勒 1 阿比纳夫·纳塔拉扬 1 艾奥尼斯·恩祖弗拉斯 1 奥登,克里斯托弗罗斯·布莱恩特 1 约翰·彭萨尔 1 Eugen Pircalabelu公司 1 马修·普拉托拉(Matthew T.Pratola)。 1 米克·莱姆图拉 1 蒂姆·罗斯 1 Arkaprava罗伊 1 克希拉·萨加 1 石小平 1 弗朗西斯科·克劳迪奥·斯廷戈 1 玛丽娜·范努奇 1 克里斯蒂亚诺·维拉 1 王南伟 1 格哈德·威廉·韦伯 1 恩斯特·威特 1 吴秋雨 全部的 前5名引用于16个系列 4 应用统计学年鉴 三 计算与图形统计杂志 三 贝叶斯分析 2 心理测量学 2 美国统计协会杂志 1 应用概率杂志 1 多元分析杂志 1 统计规划与推断杂志 1 国际近似推理杂志 1 统计传播。理论与方法 1 欧洲运筹学杂志 1 统计计算与模拟杂志 1 澳大利亚和新西兰统计杂志 1 机器学习研究杂志(JMLR) 1 统计方法与应用 1 电子统计杂志 全部的 前5名在8个字段中引用 25 统计学(62-XX) 4 生物学和其他自然科学(92-XX) 三 计算机科学(68至XX) 2 组合数学(05-XX) 2 概率论与随机过程(60-XX) 2 数值分析(65-XX) 1 总体主题;集合(00-XX) 1 运筹学、数学规划(90-XX) 按年份列出的引文