PulseAugur
实时 08:34:10
English(EN) Graph-Based Correlation Matrix Generation: A Convex Optimization Approach

新的凸优化框架生成基于图的相关矩阵

研究人员开发了一种新颖的凸优化框架,用于生成具有与图结构相关的特定稀疏模式的理论相关矩阵。该方法在保持半正定性的同时,将初始矩阵投影到椭圆体上。该方法允许对非对角线项的分布进行更精细的控制,从而能够创建更能代表真实数据的矩阵,并为解的存在性提供了理论保证。该方法已应用于神经科学和金融数据集,并与基于 GAN 的生成技术进行了比较。 AI

影响 引入了一种生成合成相关矩阵的新方法,可能有助于图模型推断的统计方法的基准测试。

排序理由 向 arXiv 提交统计机器学习论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的凸优化框架生成基于图的相关矩阵

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Ali Fakhar (UGA), K{\'e}vin Polisano (UGA), Ir{\`e}ne Gannaz (G-SCOP\_GROG, G-SCOP, Grenoble INP, UGA), Sophie Achard (STATIFY, LJK, UGA) ·

    Graph-Based Correlation Matrix Generation: A Convex Optimization Approach

    arXiv:2607.22436v1 Announce Type: new Abstract: This work addresses the generation of theoretical correlation matrices with prescribed sparsity patterns associated to graph structures. We propose a novel convex optimization framework in which an initial matrix is projected onto a…