×

基于后验预测差异的网络结构变化点检测。 (英语) Zbl 07240091号

Tuffin,Bruno(编辑)等人,蒙特卡罗和准蒙特卡罗方法。2018年MCQMC。第13届科学计算中蒙特卡罗和准蒙特卡罗方法国际会议论文集,法国雷恩,2018年7月1日至6日。查姆:施普林格。Springer程序。数学。Stat.324,107-123(2020年)。
摘要:检测网络结构的变化对于研究金融交易网络、社交网络和大脑连接等多种系统至关重要。在这里,我们提出了检测网络结构变化点的新贝叶斯方法。我们使用随机块模型量化网络结构的可能性,并基于滑动窗口开发一种称为后验预测差异的评分,以评估模型对数据的适应性。该模型的参数空间包括未知的潜在标签向量,将网络节点分配给相互作用的社区。基于吉布斯抽样的蒙特卡罗技术被用来有效地对该参数空间上的后验分布进行抽样。
关于整个系列,请参见[Zbl 1440.65006号].

MSC公司:

65二氧化碳 蒙特卡罗方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bassett,D.S.、Porter,M.A.、Wymbs,N.F.、Grafton,S.T.、Carlson,J.M.、Mucha,P.J.:网络中动态社区结构的稳健检测。CHAOS 23,013142(2013)·doi:10.1063/1.4790830
[2] Bassett,D.S.,Wymbs,N.F.,Porter,M.A.,Mucha,P.J.,Carlson,J.M.,Grafton,S.T.:学习过程中人脑网络的动态重构。PNAS 108(18),7641-7646(2011)·doi:10.1073/pnas.1018985108
[3] Kawash,J.,Agarwal,N.,özyer,T.:来自社交网络和社交媒体的预测和推断。社交网络讲座笔记(2017)
[4] Cribben,I.,Yu,Y.:通过光谱聚类估计整个大脑的动力学。J.R.Stat.Soc.,Ser。C(应用统计)66、607-627(2017)
[5] Cribben,I.、Haraldsdottir,R.、Atlas,L.Y.、Wager,T.D.、Lindquist,M.A.:动态连接性回归:确定大脑连接性的状态相关变化。《神经影像》61,907-920(2012)·doi:10.1016/j.neuroimage.2012.03.070
[6] Cribben,I.,Wager,T.D.,Lindquist,M.A.:检测单个受试者fMRI数据的功能连接变化点。前面。计算。神经科学。7, 143 (2013) ·doi:10.3389/fncom.2013.00143
[7] Friedman,J.、Hastie,T.、Tibshirani,R.:用图形套索进行稀疏逆协方差估计。生物统计学9(3),432-441(2007)·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[8] Good,P.:置换测试:测试假设的重采样方法实用指南。斯普林格统计系列(2000)·Zbl 0942.62049号
[9] Politis,D.N.,Romano,J.P.:固定引导。《美国统计协会期刊》89(428),1303-1313(1994)·Zbl 0814.62023号 ·doi:10.1080/01621459.1994.10476870
[10] Konishi,S.,Kitagawa,G.:信息标准和统计建模。斯普林格统计系列(2008)·Zbl 1172.62003年
[11] Schröder,A.L.,Ombao,H.:FreSpeD:癫痫发作多通道EEG数据中的频率特异性变化点检测。J.Am.Stat.Assoc.(2015年)·Zbl 1478.62276号
[12] Frick,K.,Munk,A.,Sieling,H.:多尺度变化点推断(含讨论)。J.R.统计学会。序列号。B(Methodol.)76,495-580(2014)·Zbl 1411.62065号
[13] Cho,H.,Fryzlewicz,P.:通过稀疏二进制分割对高维时间序列进行多变化点检测。J.R.统计学会。序列号。B(Methodol.)77,475-507(2015)·Zbl 1414.62356号
[14] Wang,T.,Samworth,R.J.:通过稀疏投影进行高维变化点估计。J.R.统计学会。序列号。B(Methodol.)80(1),57-83(2017)·Zbl 1439.62199号
[15] Jeong,S.-O.,Pae,C.,Park,H.-J.:基于连接的大型功能网络变化点检测NeuroImage 143,353-363(2016)
[16] Chang,C.,Glover,G.H.:用fMRI测量静止状态大脑连通性的时频动力学。《神经影像》50,81-98(2010)·doi:10.1016/j.neuroimage.2009.12.011
[17] Handwerker,D.A.,Roopchansingh,V.,Gonzalez-Castillo,J.,Bandettini,P.A.:功能磁共振成像连接的周期性变化。《神经影像》63,1712-1719(2012)·doi:10.1016/j.neuroimage.2012.06.078
[18] Monti,R.P.、Hellyer,P.、Sharp,D.、Leech,R.、Anagostopoulos,C.、Montana,G.:根据功能性MRI时间序列估计时变大脑连接网络。《神经影像》103,427-443(2014)·doi:10.1016/j.欧洲图像.2014.07.033
[19] Allen,E.A.、Damaraju,E.、Plis,S.M.、Erhardt,E.B.、Eichele,T.、Calhoun,V.D.:跟踪静息状态下的全脑连接性动力学。大脑。Cortex 24,663-676(2014)·doi:10.1093/cercor/bhs352
[20] Newman,M.E.J.:网络中的模块化和社区结构。PNAS 103(23),8577-8582(2006)·doi:10.1073/pnas.0601602103
[21] Wang,Y.X.R.,Bickel,P.J.:随机块模型的基于似然的模型选择。Ann.Stat.45(2),500-528(2017)·Zbl 1371.62017年 ·doi:10.1214/16-AOS1457
[22] Jin,J.:SCORE快速社区检测。Ann.Stat.43(1),57-89(2015)·Zbl 1310.62076号 ·doi:10.1214/14-AOS1265
[23] Rubin,D.B.:应用统计学家的贝叶斯合理相关频率计算。Ann.Stat.12(4),1151-1172(1984)·Zbl 0555.62010号 ·doi:10.1214/aos/1176346785
[24] West,M.:《贝叶斯模型监测》,J.R.Stat.Society。序列号。B(Methodol.)48(1),70-78(1986)·Zbl 0593.62078号
[25] Gelman,A.,Meng,X.-L.,Stern,H.:通过实际差异对模型适用性进行后验预测评估。统计正弦。6, 733-807 (1996) ·Zbl 0859.62028号
[26] MacDaid,A.F.,Murphy,T.B.,Friel,N.,Hurley,N.J.:随机块模型的改进贝叶斯推断,应用于大型网络。计算。统计数据分析。60, 12-31 (2012) ·Zbl 1365.62241号 ·doi:10.1016/j.csda.2012.10.021
[27] Ridder,S.D.、Vandermarliere,B.、Ryckebusch,J.:借助随机块模型检测和定位时间网络中的变化点。《统计力学杂志》:理论实验(2016)·Zbl 07231915号
[28] Nobile,A.:有限混合分布的贝叶斯分析。博士论文(1994)
[29] Daudin,J.-J.,Picard,F.,Robin,S.:随机图的混合模型。统计计算。18, 173-183 (2008) ·doi:10.1007/s11222-007-9046-7
[30] Zanghi,H.,Ambroise,C.,Miele,V.:通过Erdös-Rényi混合进行快速在线图聚类。模式识别。41, 3592-3599 (2008) ·Zbl 1151.68623号 ·doi:10.1016/j.patcog.2008.06.019
[31] Nobile,A.,Fearnside,A.T.:成分数量未知的贝叶斯有限混合:分配采样器。统计计算。1747-162(2007年)·doi:10.1007/s11222-006-9014-7
[32] 弗吉尼亚州卢克斯堡: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
[33] Wyse,J.,Friel,N.:具有塌陷潜在块模型的块聚类。统计计算。22, 415-428 (2012) ·Zbl 1322.62046号 ·doi:10.1007/s11222-011-9233-4
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。