1. Среда моделирования для обнаружения и использования информации на уровне узла в выводе байесовской сети (arXiv)

Автор : Сяоюэ Си, Элен Руффье

Аннотация: Байесовские графические модели являются мощными инструментами для вывода сложных взаимосвязей в больших измерениях, но часто сопряжены с вычислительными и статистическими проблемами. Если использовать принципиальный подход, увеличивающаяся информация, собираемая вместе с данными, представляющими основной интерес, представляет собой возможность смягчить эти трудности, направляя обнаружение структур зависимости. Например, для вывода о генной сети можно использовать общедоступные сводные статистические данные о регуляции генов генетическими вариантами. Здесь мы представляем новую среду гауссовского графического моделирования для идентификации и использования информации о централизации узлов в графах условной независимости. В частности, мы рассматриваем полностью объединенную иерархическую модель, чтобы одновременно сделать вывод (i) о разреженных матрицах точности и (ii) о значимости информации на уровне узла для раскрытия искомой сетевой структуры. Мы кодируем такую ​​информацию в качестве кандидатов на вспомогательные переменные, используя подмодель «шип и плита» о склонности узлов быть центрами, что позволяет без гипотез выбирать и интерпретировать разреженное подмножество соответствующих переменных. Поскольку для реальных приложений необходимо эффективное исследование больших апостериорных пространств, мы разрабатываем алгоритм условной максимизации вариационного ожидания, который масштабирует вывод до сотен выборок, узлов и вспомогательных переменных. Мы иллюстрируем и используем преимущества нашего подхода в моделировании и в исследовании генной сети, которое идентифицирует гены-концентраторы, участвующие в биологических путях, связанных с иммуноопосредованными заболеваниями.

2. Амортизированный вывод в байесовских нейронных сетях (arXiv)

Автор : Томми Рохуссен

Абстрактный :