×
理查德·沃尔。;Dahl，David B。;杰里米·梅耶（Jeremy M.Meyer）。;亚瑟·路易

吸引人的印度自助餐配送。 （英语） Zbl 07809994号

贝叶斯分析。 17，第3期，931-967（2022）.
摘要：我们提出了吸引力印度自助餐分布（AIBD），一种受成对相似信息影响的二进制特征矩阵分布。二进制特征矩阵用于贝叶斯模型中，以揭示解释观测数据的潜在变量（即特征）。印度自助餐过程（IBP）是一种流行的潜在特征矩阵的可交换先验分布。然而，在有其他信息的情况下，可互换性假设是不合理或不可取的。AIBD可以合并成对相似性信息，但它保留了IBP的许多属性，包括特征总数的分布。因此，人们对IBP的许多解释和直觉都直接传递给了AIBD。温度参数控制相似信息对观测值之间特征共享的影响程度。与用于特征分配的其他非交换分布不同，AIBD的概率质量函数具有易于处理的归一化常数，使用标准MCMC方法直接对超参数进行后验推断。针对IBP和AIBD提出了一种新的后验采样算法。我们证明了AIBD作为特征分配模型中的先验分布的可行性，并比较了模拟和应用中竞争方法的性能。

引用于1文件

MSC公司：

62至XX 统计

关键词：

贝叶斯非参数模型;中餐厅流程;群集;功能分配;印度自助餐流程;潜在特征模型

软件：

葱头;受到惩罚的
PDF格式BibTeX公司 XML格式引用
\textit{R.L.Warr}等人，贝叶斯分析。17，编号3，931--967（2022；Zbl 07809994）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Blei，D.M.和Frazier，P.I.（2011年）。“依赖距离的中国餐厅流程。”机器学习研究杂志，12（8月）：2461-2488·Zbl 1280.68157号
[2] Chen，M.、Gao，C.和Zhao，H.（2013）。“系统发育印度抖过程：癌症基因组学综合分析的理论和应用”arXiv预印本arXiv:1307.8229。
[3] Dahl，D.B.，Day，R.和Tsai，J.W.（2017年）。“由成对信息索引的随机分区分布。”美国统计协会杂志, 112(518): 721-732. ·doi:10.1080/01621459.2016.1165103
[4] Dahl，D.B.、Warr，R.L.、Meyer，J.M.和Lui，A.（2021）。aibd：景点印度自助餐配送.R包版本0.1.9。统一资源定位地址https://CRAN.R-project.org/package=aibd。
[5] Dinov，I.、Van Horn，J.、Lozev，K.、Magsipoc，R.、Petrosyan，P.、Liu，Z.、MacKenzie-Graha，A.、Eggert，P.，Parker，D.S.和Toga，A.W.（2009）。“使用LONI管道进行高效、分布式和交互式神经影像数据分析。”神经信息学前沿, 3: 22.
[6] Doshi，F.、Miller，K.、Gael，J.V.和Teh，Y.W.（2009年）。“印度自助餐过程的变化推断”，见van Dyk，D.和Welling，M.（编辑），第十二届国际人工智能与统计会议记录，第5卷，共页机器学习研究进展, 137-144. 美国佛罗里达州清水海滩希尔顿清水海滩度假村：PMLR。统一资源定位地址http://proceedings.mlr.press/v5/doshi09a.html。
[7] Gelman，A.、Carlin，J.B.、Stern，H.S.、Dunson，D.B.、Vehtari，A.和Rubin，D.B.（2013）。贝叶斯数据分析CRC出版社，第3版。
[8] Gershman，S.J.（2013）。“用于距离相关无限潜在特征模型的Matlab代码文章。”URLhttp://gershmanlab.webfactional.com/pubs/ddIBP_release.zip。访问时间：2017-11-15。
[9] Gershman，S.J.、Frazier，P.I.和Blei，D.M.（2015）。“距离相关的无限潜在特征模型。”IEEE模式分析和机器智能汇刊, 37(2): 334-345.
[10] Goeman，J.J.（2010）。“Cox比例风险模型中的L1惩罚估计。”生物医学杂志, 1(52): 70-84. ·Zbl 1207.62185号
[11] Goeman，J.J.、Meijer，R.J.和Chaturvedi，N.（2018年）。惩罚：GLM和Cox模型中L1（套索和融合套索）和L2（脊）惩罚估计.R包版本0.9-51。
[12] Griffiths，T.L.和Ghahramani，Z.（2005）。“无限潜在特征模型和印度自助餐过程”，《2005-001年技术报告》，盖茨比计算神经科学部。
[13] Griffiths，T.L.和Ghahramani，Z.（2006年）。“无限的潜在特征模型和印度自助餐流程。”神经信息处理系统研究进展, 18, 475-482. 马萨诸塞州剑桥：麻省理工学院出版社。
[14] Griffiths，T.L.和Ghahramani，Z.（2011年）。“印度自助餐流程：介绍和回顾。”机器学习研究杂志，4月12日：1185-1224·Zbl 1280.62038号
[15] Hai-son，P.L.和Bar-Joseph，Z（2011）。“利用应用于微rna靶预测的IBP推断相互作用网络。”神经信息处理系统研究进展, 235-243.
[16] Lee，J.、Müller，P.、Gulukota，K.、Ji，Y.等人（2015）。“肿瘤异质性的贝叶斯特征分配模型。”应用统计学年鉴, 9(2): 621-639. ·Zbl 1397.62457号 ·doi:10.1214/15-AOAS817
[17] Lee，J.、Müller，P.、Sengupta，S.、Gulukota，K.和Ji，Y.（2016）。“贝叶斯推断肿瘤内突变异质性和拷贝数变异。”英国皇家统计学会期刊：C系列（应用统计学）, 65(4): 547-563. ·doi:10.1111/rssc.12136
[18] Lui，A.、Lee，J.、Thall，P.F.、Daher，M.、Rezvani，K.和Barar，R.（2020年）。“使用细胞术数据识别细胞亚群的贝叶斯特征分配模型。”arXiv预印本arXiv：2002.08609。
[19] Miller，K.T.、Griffiths，T.和Jordan，M.I.（2012年）。“系统发育印度自助餐过程：潜在特征的不可变非参数先验。”arXiv预印本arXiv:1206.3279。
[20] Ni，Y.、Mueller，P.和Ji，Y.A.（2018年）。“电子健康记录表型的贝叶斯双特征分配。”arXiv预印本arXiv:1809.08988·兹比尔1452.62835 ·doi:10.1080/01621459.2019.1686985
[21] Ranganath，R.、Gerrish，S.和Blei，D.（2014）。“黑箱变分推理”，载于Kaski，S.和Corander，J.（eds.），第十七届国际人工智能与统计会议记录，第33卷，共页机器学习研究进展, 814-822. 冰岛雷克雅未克：PMLR。统一资源定位地址http://proceedings.mlr.press/v33/ranganath14.html
[22] Sengupta，S.、Wang，J.、Lee，J.，Müller，P.、Gulukota，K.、Banerjee，A.和Ji，Y.（2014）。Bayclone：使用NGS数据对肿瘤亚克隆进行贝叶斯非参数推断太平洋生物计算合作光标研讨会, 467-478. 世界科学。
[23] SOCR（2009）。“SOCR数据2009年7月ID NI.”URLhttp://wiki.stat.ucla.edu/socr/index.php/socr_Data_July2009_ID_NI。访问时间：2019-04-15。
[24] Tan，X.、Rao，V.和Neville，J.（2018年）。“印度自助餐霍克斯过程模拟不断演变的潜在影响。”人工智能不确定性会议, 795-804.
[25] Teh，Y.W.、Grür，D.和Ghahramani，Z.（2007年）。“印度自助餐过程的突破性建设”，Meila，M.和Shen，X.（编辑），第十一届国际人工智能与统计会议记录，第2卷，共页机器学习研究进展, 556-563. 波多黎各圣胡安：PMLR。统一资源定位地址http://proceedings.mlr.press/v2/teh07a.html
[26] Williamson，S.、Orbanz，P.和Ghahramani，Z.（2010年）。《独立的印度自助餐流程》，载于Teh，Y.W.和Titterington，M.（编辑），第十三届国际人工智能与统计会议记录，第9卷，共页机器学习研究进展第924-931页。意大利撒丁岛Chia Laguna度假村：PMLR。统一资源定位地址http://proceedings.mlr.press/v9/williamson10a.html
[27] Williamson，S.A.、Zhang，M.M.和Damien，P.（2020年）。“一类新的时间相关潜在因素模型及其应用。”机器学习研究杂志, 21(27): 1-24. ·兹比尔1498.62102
[28] Xu，Y.、Lee，J.、Yuan，Y.，Mitra，R.、Liang，S.、Müller，P.和Ji，Y.（2013）。“下一代测序计数数据的非参数贝叶斯双聚类。”贝叶斯分析, 8(4): 759. ·Zbl 1329.62180号 ·doi:10.1214/13-BA822
[29] Xu，Y.，Müller，P.，Yuan，Y.、Gulukota，K.和Ji，Y.（2015）。“使用指数族抽样进行肿瘤异质性特征分配的MAD Bayes。”美国统计协会杂志, 110(510): 503-514 ·Zbl 1373.62556号 ·doi:10.1080/01621459.2014.995794
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。