格拉索

图形套索:新的见解和选择。图形套索[5]是一种学习无向高斯图形模型结构的算法,使用1控制精度矩阵中零点数量的正则化Θ=Σ -1[2,11]。R包glasso[5]很流行,速度很快,可以有效地为调整参数的不同值建立模型路径。glasso的融合可能很棘手;收敛后的精度矩阵可能不是估计协方差的倒数,有时在热启动时无法收敛。在本文中,我们解释了这种行为,并提出了新的算法,似乎比glasso表现得更好。通过对“正规方程组”的研究,我们看到,glasso正在求解图形化的套索惩罚似然的对偶,通过块坐标上升;结果也可以在[2]中找到。在这个对偶中,估计的目标是Σ, 协方差矩阵,而不是精度矩阵Θ. 我们提出了类似的原始算法p-glasso和dp glasso,它们也通过块坐标下降来操作,其中Θ 是优化目标。我们研究所有这些算法,特别是解决其坐标子问题的不同方法。我们得出结论,dp-glasso从几个方面都优于dp-glasso。


zbMATH中的参考文献(参考文献399篇文章,1标准件)

显示第1到第20个结果,共399个。
按年份排序(引用)

1 2 ... 18 19 20 下一个

  1. Kashlak,Adam B.:非渐近误差控制稀疏高维精度矩阵估计(2021)
  2. 科雷塔,Ž埃尔伊科;Klock,Timo:沿子空间估计协方差和精度矩阵(2021)
  3. 安德拉德,丹尼尔;武田、秋子;Fukumizu,Kenji:基于高斯图形模型的变量聚类稳健贝叶斯模型选择(2020)
  4. 安,子文;诺特,大卫J。;Drovandi,Christopher:通过半参数方法的稳健贝叶斯合成可能性(2020)
  5. 奥格利亚罗,路易吉;索蒂尔,詹卢卡;Vinciotti,Veronica:条件删失图形Lasso估计器(2020)
  6. 理发师,福格丽娜;坎德ès、 伊曼纽尔J。;Richard J.Samworth:仿冒的鲁棒推理(2020)
  7. 贝尔西马斯,迪米特里斯;兰帕斯基,约尔丹;Paufillet,Jean:可证明的最优稀疏逆协方差估计(2020)
  8. 卞、凌斌;崔天刚;乔治索夫罗诺夫;Keith,Jonathan:基于后验预测差异的网络结构变化点检测(2020)
  9. 冰心;布尼亚,佛罗伦萨;宁、杨;Wegkamp,Marten:结构因子模型中的自适应估计及其在重叠聚类中的应用(2020)
  10. 布特,克里斯;罗素,彼得J。;范德费尔,史蒂文;Verdonck,Tim:最小正则协方差行列式估计量(2020)
  11. 陈景南;戴、耿岭;张宁:稀疏群套索正则化在股票投资组合优化和行业选择中的应用(2020)
  12. 陈泽华;江义伟:稀疏高维多元回归模型的两阶段序贯条件选择方法(2020)
  13. Córdoba,艾琳;比尔扎,海螺;拉腊ñaga,Pedro:Gaussian-Markov模型在条件独立性方面的回顾(2020)
  14. De Canditiis,Daniela:学习稀疏Ising模型的全球方法(2020)
  15. Evans,Robin J.:模型选择和局部几何(2020)
  16. 方、钱;余、陈;张伟平:高维多元纵向数据精度矩阵的正则化估计(2020)
  17. 范建清;冯、杨;Xia,Lucy:一种基于投影的条件相关度量及其在高维无向图模型中的应用(2020)
  18. 法恩è, 马特奥;Montanari,Angela:中等尖峰状态下的大协方差矩阵估计量(2020)
  19. Fontanella,拉拉;Fontanella,萨拉;伊格纳科洛,罗萨里亚;伊波利蒂,路易吉;瓦伦蒂尼,帕斯奎尔:功能数据的G-Lasso网络分析(2020)
  20. 傅安琪;张君子;斯蒂芬·博伊德:安德森加速道格拉斯·拉赫福德(Douglas Rachford)拆分(2020年)

1 2 ... 18 19 20 下一个