Smooth and probabilistic PARAFAC model with auxiliary covariates
含辅助协变量的平滑概率 PARAFAC 模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究受试者的高维纵向特征和稀疏不规则重复观测，在方法层面与面板数据相关，未提供宏观因子应用依据。
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…
关注这篇论文的作者
含辅助协变量的平滑概率 PARAFAC 模型
- 研究问题
- 对于高维、稀疏且采样时间不规则的矩阵值纵向数据，如何提取受试者低维表示，并研究该表示与静态临床协变量的关系？
- 方法与思路
- 作者提出含协变量的平滑概率 PARAFAC 模型 SPACO，将平滑与概率化的分解框架结合，并纳入感兴趣的辅助协变量。
- 材料陈述的贡献
- 摘要称，该方法针对高维特征和稀疏不规则时间采样开展建模，通过多方面模拟及新冠感染患者免疫数据展示用途。
- 阅读关注点
- 应核对张量分解与平滑结构、低维表示的可识别性、缺失和不规则采样的处理，以及协变量关系的评价方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明具体模型约束、理论性质与数值结果，不能判断比较优势。
原文摘要
In immunological and clinical studies, matrix-valued time-series data clustering is increasingly popular. Researchers are interested in finding low-dimensional embedding of subjects based on potentially high-dimensional longitudinal features and investigating relationships between static clinical covariates and the embedding. These studies are often challenging due to high dimensionality, as well as the sparse and irregular nature of sample collection along the time dimension. We propose a smoothed probabilistic PARAFAC model with covariates (SPACO) to tackle these two problems while utilizing auxiliary covariates of interest. We provide intensive simulations to test different aspects of SPACO and demonstrate its use on an immunological data set from patients with SARs-CoV-2 infection.