• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Efficient local updates for undirected graphical models
【24h】

Efficient local updates for undirected graphical models

机译：高效的本地更新，用于非定向图形模型

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a new Bayesian approach for undirected Gaussian graphical model determination. We provide some graph theory results for local updates that facilitate a fast exploration of the graph space. Specifically, we show how to locally update, after either edge deletion or inclusion, the perfect sequence of cliques and the perfect elimination order of the nodes associated to an oriented, directed acyclic version of a decomposable graph. Building upon the decomposable graphical models framework, we propose a more flexible methodology that extends to the class of nondecom-posable graphs. Posterior probabilities of edge inclusion are interpreted as a natural measure of edge selection uncertainty. When applied to a protein expression data set, the model leads to fast estimation of the protein interaction network.
机译：我们提出了一种新的贝叶斯方法进行无向高斯图形模型确定。我们为局部更新提供了一些图论结果，以促进对图空间的快速探索。具体来说，我们展示了在边缘删除或包含之后，如何局部地更新与可分解图的有向，有向无环版本相关联的节点的完美序列和完美消除顺序。在可分解图形模型框架的基础上，我们提出了一种更灵活的方法，可扩展到不可分解图的类别。边缘包含的后验概率被解释为边缘选择不确定性的自然度量。当应用于蛋白质表达数据集时，该模型可快速估算蛋白质相互作用网络。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号