文献

J-GLOBAL ID：201702257519078205   整理番号：17A1258329

線形非Gauss非周期(acyclic)データのための効率的な尖度ベース因果的発見法【Powered by NICT】

An efficient kurtosis-based causal discovery method for linear non-Gaussian acyclic data

著者 (4件)： Cai Ruichu (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Xie Feng (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Chen Wei (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Hao Zhifeng (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IWQoS  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 観測データの背後にある因果関係は多くの実世界への応用に大きな重要性,例えば,サービスの品質の改善である。非Gauss性は観測線形非環式データのための多数の因果関係発見法に利用した。間接計量への非Gauss性を既存の方法で用いられている従来の溶液であり,これは通常信頼できない推定や局所的最適解をもたらした。本研究では,著者らは,非Gauss性の直接測定,過剰尖度を採用した線形非Gauss非周期(acyclicデータの因果発見法を確立した。最初に,外乱変数は独立同一分布に従うとき外因性変数は最大過剰尖度を持つことを証明した。第二に,外生変数のこの特性に基づいて,効率的な外因性変数同定アルゴリズムを提案し,因果関係発見法を開発した。広範な実験結果は,提案した手法の有効性と効率を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 因果律 ,  *線形性 ,  品質 ,  アルゴリズム
準シソーラス用語： 直接測定 ,  非Gauss性 ,  *尖度 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (2件)： 線形 ,  尖度