文献

J-GLOBAL ID：201702268255454706   整理番号：17A1549361

不確実なデータからの因果関係の方向の推論【Powered by NICT】

Inferring causal directions from uncertain data

著者 (3件)： Zhang Yulai (Department of Software Engineering, Zhejiang University of Science and Technology, Hangzhou, 310023, China) ,  Ma Weifeng (Department of Software Engineering, Zhejiang University of Science and Technology, Hangzhou, 310023, China) ,  Luo Guiming (School of Software, Tsinghua University, Beijing, 100084, China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 65  ページ： 261-267  発行年： 2017年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 因果知識発見は多くの分野において重要な課題である。二相関変数の測定データからの因果方向の知識の推論因果関係発見の研究における最も基本的だが重要な問題の一つである。既存手法の多くは,変数の少なくとも一つが厳密に測定したと仮定した。実際には,観測誤差を用いた不確実データは広く存在し,原因と効果の両方のための避けられない。正確な因果関係は,このような雑音でぼやけたであろう。変数内誤差(EIV)モデルに基づく因果方向推論法を提案した。すべての変数を変数誤差モデルにおける観測誤差で測定すると仮定した。因果方向は回帰モデル関数の間の相関係数を計算することにより推定された,確率密度は可能性のある原因方向の両方に機能する。実験を人工データセットで実施され,実世界データは,提案した方法の性能を説明するために設定した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 知識発見 ,  回帰モデル ,  相関係数 ,  *不確実性 ,  雑音 ,  確率密度 ,  *因果律
準シソーラス用語： 観測誤差 , 【Automatic Indexing@JST】

著者キーワード (3件)： 因果方向 ,  変数誤差モデル ,  EMアルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 因果関係 ,  推論