高精度稀疏线性网络的变分贝叶斯推断
摘要：稀疏网络在广泛的应用中可见，如生物和通信网络。近年来，从数据中推断这些网络引起了相当大的关注，主要是出于理解和控制其内部运行机制的需要。然而，尽管大多数可用的方法在预测许多正确的链接方面取得了成功，但它们也倾向于推断出许多错误的链接。精度是正确推断链接数量与所有推断链接数量的比例，理想情况下应接近100％。例如，50％的精度意味着一半推断的链接是错误的，只有50％的机会选择正确的链接。相比之下，本文基于变分贝叶斯推断和高斯过程开发了一种方法，专注于推断具有非常高精度的链接。此外，我们的方法不需要完全状态测量，并有效促进系统稳定性和网络稀疏性。蒙特卡罗模拟表明，即使在存在噪声的情况下，我们的方法仍具有100％或接近100％的精度。该方法应适用于广泛的网络推断场景，包括生物网络和电力系统。
作者：Junyang Jin, Ye Yuan and Jorge Goncalves
论文ID：1901.00673
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-12-30