Al-Sayed, S. ; Koeppl, H. (2018)
Network Reconstruction from Time-Course Perturbation Data Using Multivariate Gaussian Processes.
IEEE International Workshop on Machine Learning for Signal Processing. Aalborg, Denmark (17.09.2018-20.09.2018)
doi: 10.1109/MLSP.2018.8517044
Konferenzveröffentlichung, Bibliographie
Kurzbeschreibung (Abstract)
In this work, we appropriate the popular tool of Gaussian processes to solve the problem of reconstructing networks from time-series perturbation data. To this end, we propose a construction for multivariate Gaussian processes to describe the continuous-time trajectories of the states of the network entities. We then show that this construction admits a state-space representation for the network dynamics. By exploiting Kalman filtering techniques, we are able to infer the underlying network in a computationally efficient manner.
| Typ des Eintrags: | Konferenzveröffentlichung |
|---|---|
| Erschienen: | 2018 |
| Autor(en): | Al-Sayed, S. ; Koeppl, H. |
| Art des Eintrags: | Bibliographie |
| Titel: | Network Reconstruction from Time-Course Perturbation Data Using Multivariate Gaussian Processes |
| Sprache: | Englisch |
| Publikationsjahr: | 30 August 2018 |
| Ort: | Aalborg |
| Verlag: | IEEE |
| Buchtitel: | IEEE International Workshop on Machine Learning for Signal Processing |
| Veranstaltungstitel: | IEEE International Workshop on Machine Learning for Signal Processing |
| Veranstaltungsort: | Aalborg, Denmark |
| Veranstaltungsdatum: | 17.09.2018-20.09.2018 |
| DOI: | 10.1109/MLSP.2018.8517044 |
| Zugehörige Links: | |
| Kurzbeschreibung (Abstract): | In this work, we appropriate the popular tool of Gaussian processes to solve the problem of reconstructing networks from time-series perturbation data. To this end, we propose a construction for multivariate Gaussian processes to describe the continuous-time trajectories of the states of the network entities. We then show that this construction admits a state-space representation for the network dynamics. By exploiting Kalman filtering techniques, we are able to infer the underlying network in a computationally efficient manner. |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik > Bioinspirierte Kommunikationssysteme 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik |
| Hinterlegungsdatum: | 30 Aug 2018 09:52 |
| Letzte Änderung: | 20 Nov 2023 13:14 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum