Thresholding Approach for Low-Rank Correlation Matrix based on MM algorithm

われわれの研究室からの新しいpre-printです。

相関行列の特徴を解釈する上で、低ランク近似をしたくなりますが、場合によっては、対応する元の値がゼロに近い値であっても、
ゼロから遠い推定値になる場合があり困ります。
その問題に対応する 疎な低ランク相関行列を推定する新しいアプローチを 提案しています。
biorxiv

covid-19

新型コロナウイルス感染症(COVID-19)が蔓延し、研究室の教育、研究環境が大きく変わりました。
さまざまな面を再考する機会となりました。
大学の研究室における研究とは、教育とはについて考えています。
ちょっと目をそむけていた学生の本音の部分などについてもこれを機に正面から向き合っています。
今はいろいろ辛い時期ですが、それを乗り越えて新しい研究室、研究、教育を推進していきたいですね。

Low-Rank Approximation of Difference between Correlation Matrices Using Inner Product

日和先生 谷岡先生の共著論文が公開されました。
Low-Rank Approximation of Difference between Correlation Matrices Using Inner Product

人間関係や、脳機能ネットワーク、などなど、マトリクスに変換できる問題はたくさんあります。
しかし、そのマトリクスが巨大になると、どの要素に注目すればよいのかわかりません。

この論文では、大規模マトリクスを想定し、次元の削減を行いながら要素のクラスタリングを行う手法の提案をしています。

これにより、どの要素が重要で、かつ、どんなクラスタに分かれるかが同時にわかります。