정밀도 행렬 추정의 혁신: 하이브리드 공분산 임계값 기반 공동 그래프 라쏘
본 논문은 다중 클래스에 걸친 Gaussian 그래프 모델을 동시에 추정하는 공동 그래프 라쏘 문제에 대해, 클래스별로 서로 다른 파티션을 허용하는 하이브리드 공분산 임계값(스리닝) 알고리즘을 제안한다. 기존의 균일(Uniform) 임계값 방식은 모든 클래스에 동일한 변수 그룹을 강제해 분할 효율이 떨어지지만, 제안 방법은 클래스별 특성을 반영해 더 작은 서브문제로 문제를 분해하고, 이를 ADMM과 결합해 계산 속도를 크게 향상시킨다. 알고리즘…
저자: Qingming Tang, Chao Yang, Jian Peng
본 논문은 다중 클래스(K)와 고차원(p) 변수를 갖는 Gaussian 그래프 모델을 동시에 추정하는 공동 그래프 라쏘(Joint Graphical Lasso) 문제에 초점을 맞춘다. 기존의 그래프 라쏘는 단일 클래스에 대해 ℓ₁-패널티를 적용해 정밀도 행렬 Θ를 희소하게 추정하는 방법이며, 이를 확장한 공동 그래프 라쏘는 여러 클래스의 정밀도 행렬을 동시에 추정하면서 클래스 간 구조적 유사성을 촉진하기 위해 그룹 패널티(ℓ₂-노름) 등을 추가한다. 수식적으로는
\
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기