Change Point Detection in Precision Matrices with D-trace Loss
基于D-trace损失的精度矩阵变点检测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：摘要核心是分段常数结构下的变点检测与估计，直接对应结构变化方向；其余领域细分在摘要中缺乏文本依据。
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…
基于D-trace损失的精度矩阵变点检测
- 研究问题
- 研究问题是如何在精度矩阵按分段常数方式随时间变化时，同时估计稀疏精度矩阵及其变点位置。
- 方法与思路
- 作者在Group Fused LASSO与LASSO惩罚框架下，用D-trace损失替代常用的高斯似然损失，并提出修正正则化项与相应修订问题，用ADMM算法求解。
- 材料陈述的贡献
- 摘要称给出了变点估计与各分块稀疏估计相合性的条件，并说明修正后的问题始终存在解，可用于判断原问题是否可解或获得原问题的解。
- 阅读关注点
- 应核对相合性条件的具体形式与假设、调参不可验证问题的严重程度、修正正则化与原问题的关系，以及数值实验的设置与结论。
- 阅读边界
- 这是arXiv预印本，未经同行评审验证；摘要未说明具体识别假设、定理细节、数据来源与数值结果，不能据此判断方法优越性。
原文摘要
We consider the problem of estimating a time-varying sparse precision matrix, which is assumed to evolve in a piecewise constant manner. Building upon the Group Fused LASSO and LASSO penalty functions, we estimate both the precision matrix and the change points. We propose an alternative estimator to the commonly employed Gaussian likelihood loss, namely the D-trace loss. We provide the conditions for the consistency of the estimated change points and of the sparse estimators in each block. We show that the solutions to the corresponding estimation problem exist when some conditions relating to the tuning parameters of the penalty functions are satisfied. Unfortunately, these conditions are not verifiable in general, posing challenges for tuning the parameters in practice. To address this issue, we introduce a modified regularizer and develop a revised problem that always admits solutions: these solutions can be used for detecting possible unsolvability of the original problem or obtaining a solution of the original problem otherwise. An alternating direction method of multipliers (ADMM) is then proposed to solve the revised problem. The relevance of the method is illustrated through numerical experiments.