Minimax detection boundary and sharp optimal test for Gaussian graphical models
高斯图模型的极小极大检测边界与精确最优检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究精度矩阵检验与脑影像连接，未提供经济网络或其他所列细分方向的直接依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
高斯图模型的极小极大检测边界与精确最优检验
- 研究问题
- 在高斯模型中检验精度矩阵的一个变量子块时，能够检测的最小信号强度是多少，如何识别其中稀疏而微弱的信号？
- 方法与思路
- 作者推导极小极大检测边界与阈值统计量的渐近分布，通过自适应选择阈值构造检验，并开展功效分析、模拟和脑影像应用。
- 材料陈述的贡献
- 摘要称给出精确的最低可检测信号强度，阈值检验在某些情形达到该边界，并报告对稀疏弱信号的功效优势。
- 阅读关注点
- 应核对子块检验的原假设、信号强度与稀疏度定义、达到边界的具体情形，以及与最大值和平方和检验比较的条件。
- 阅读边界
- 仅据所给 Crossref 摘要；达到边界仅限摘要所说的某些情形，具体条件及数值结果未说明，脑区连接发现也不能作因果解释。
原文摘要
Abstract In this article, we derive the minimax detection boundary for testing a sub-block of variables in a precision matrix under the Gaussian distribution. Compared to the results on the minimum rate of signals for testing precision matrices in literature, our result gives the exact minimum signal strength in a precision matrix that can be detected. We propose a thresholding test that is able to achieve the minimax detection boundary under certain cases by adaptively choosing the threshold level. The asymptotic distribution of the thresholding statistic for precision matrices is derived. Power analysis is conducted to show the proposed test is powerful against sparse and weak signals, which cannot be detected by the existing Lmax and L2 tests. Simulation studies show the proposed test has an accurate size around the nominal level and is more powerful than the existing tests for detecting sparse and weak signals in precision matrices. Real data analysis on brain imaging data is carried out to illustrate the utility of the proposed test in practice, which reveals functional connectivity between brain regions for Alzheimer’s disease patients and normal healthy people.