Multivariate Gaussian network structure learning

ما یک مدل گرافیکی در نظر می گیریم که در آن یک بردار عادی چند متغیره با هر گره گراف منطقهای مرتبط است و ساختار گرافیکی را برآورد می کند. ما یک تابع از دست رفته را به دست می آوریم که توسط رگرسیون بردار در هر گره بر روی کسانی که در باقی مانده اند تحت مجازات گروهی است. ما نشان می دهیم که برآوردگر پیشنهاد شده می تواند با الگوریتم بهینه سازی سریع محدب محاسبه شود. ما نشان می دهیم که با افزایش اندازه نمونه، ضریب رگرسیون برآورد شده و ساختار صحیح گرافیکی به درستی با احتمالات به سمت یک برآورد می شود. با شبیه سازی گسترده، ما برتر بودن روش پیشنهاد شده را در مقایسه با روش های مشابه نشان می دهیم. ما تکنیک را در دو مجموعه داده واقعی اعمال می کنیم. اولین مورد این است که شبکه های ژنی و پروتئینی را که در سلول های سرطانی ظاهر می شوند، شناسایی کنند و دومین ارتباط بین صنایع مختلف در ایالات متحده است.