Factorized Binary Search: change point detection in the network structure of multivariate high-dimensional time series
因子化二分搜索：高维多变量时间序列网络结构的变点检测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：摘要明确检测高维时间序列网络结构的多个变点，因此对应时间序列与结构变化；脑网络应用不属于社会网络干扰。
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
因子化二分搜索：高维多变量时间序列网络结构的变点检测
- 研究问题
- 如何识别高维多变量时间序列中网络结构的多个变点，并估计变点之间的网络，以刻画脑功能连接的动态变化？
- 方法与思路
- 作者提出 FaBiSearch，结合非负矩阵分解与新的二分搜索算法检测变点，并提出分段网络估计方法，应用于两类 fMRI 数据。
- 材料陈述的贡献
- 摘要提出变点检测和分段网络估计方法，探索静息态重复测量与阅读任务中的连接动态，并将相关方法封装为 R 包。
- 阅读关注点
- 应核对网络变化的定义、变点判定与数量选择规则，以及矩阵分解设置、分段估计和跨受试者故事情节对应分析的依据。
- 阅读边界
- 这是预印本，同行评审及期刊接收均未核实。摘要未报告检测精度或理论保证，脑连接变点与情节重合也不能直接支持因果解释。
原文摘要
Functional magnetic resonance imaging (fMRI) time series data presents a unique opportunity to understand the behavior of temporal brain connectivity, and models that uncover the complex dynamic workings of this organ are of keen interest in neuroscience. We are motivated to develop accurate change point detection and network estimation techniques for high-dimensional whole-brain fMRI data. To this end, we introduce factorized binary search (FaBiSearch), a novel change point detection method in the network structure of multivariate high-dimensional time series in order to understand the large-scale characterizations and dynamics of the brain. FaBiSearch employs non-negative matrix factorization, an unsupervised dimension reduction technique, and a new binary search algorithm to identify multiple change points. In addition, we propose a new method for network estimation for data between change points. We seek to understand the dynamic mechanism of the brain, particularly for two fMRI data sets. The first is a resting-state fMRI experiment, where subjects are scanned over three visits. The second is a task-based fMRI experiment, where subjects read Chapter 9 of Harry Potter and the Sorcerer's Stone. For the resting-state data set, we examine the test-retest behavior of dynamic functional connectivity, while for the task-based data set, we explore network dynamics during the reading and whether change points across subjects coincide with key plot twists in the story. Further, we identify hub nodes in the brain network and examine their dynamic behavior. Finally, we make all the methods discussed available in the R package fabisearch on CRAN.