고차원 네트워크 추정을 위한 일반화된 홉필드 모델과 주성분 분석
이 논문은 N개의 이진 변수에 대한 상관관계와 평균값만을 이용해 상호작용 행렬을 추정하는 방법을 제시한다. 일반화된 홉필드 모델을 기반으로, 패턴의 크기가 √N에 비해 작을 때 최대우도 추정이 주성분 분석(PCA)과 동일함을 보이고, ξ/√N 1차 보정식을 통해 패턴을 개선한다. 또한, 매력적·반발적 패턴을 동시에 고려하고, 샘플 노이즈에 따른 최적 패턴 수와 필요한 샘플 양을 기하학적 기준으로 제시한다. 합성 데이터와 실제 생물학 데이터에 적…
저자: Simona Cocco (LPS), Remi Monasson (LPTENS), Vitor Sessak (LPTENS)
본 논문은 N개의 이진 변수(σ_i=±1)로 이루어진 시스템에서 관측된 평균값 m_i와 쌍별 상관관계 c_{ij}만을 가지고, 이 변수들 사이의 실제 상호작용 행렬 J_{ij}를 복원하는 고차원 추정 문제를 다룬다. 전통적인 Ising 모델(볼츠만 머신) 추정은 파라미터 수가 O(N^2)으로 급증해 샘플이 부족한 상황에서 과적합 위험이 크다. 이를 해결하고자 저자들은 Hopfield 모델을 일반화하여, 상호작용을 저계수(rank‑p+ \hat p) 행렬 형태로 제한한다.
**1. 일반화된 Hopfield 모델 정의**
에너지 함수 E
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기