尤度比スコアを持つ因果有向非巡回グラフのトポロジー順序づけの逐次学習【JST・京大機械翻訳】

Ruiz Gabriel; Padilla Oscar Hernan Madrid; Zhou Qing

プレプリント

J-GLOBAL ID：202202207116452128 整理番号：22P0284360

尤度比スコアを持つ因果有向非巡回グラフのトポロジー順序づけの逐次学習【JST・京大機械翻訳】

Sequentially learning the topological ordering of causal directed acyclic graphs with likelihood ratio scores

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年05月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データマイニングシナリオにおける因果律の学習である因果関係は,「何が何か」を識別するための出発点として,強い科学的および理論的関心事である。仮定と適切な学習アルゴリズムに基づいて,因果方向のあいまいさを与えるグラフのMarkov等価クラスとは対照的に,因果有向非巡回グラフ(DAG)を同定,正確に推定することが可能である。この論文の焦点は,根ノードで開始し,次に根ノードの子供,および完了まで,時間的に変数を順序付けする一般的逐次ソーティング手順を通して,一般的誤差分布を有するDAGの同定可能性と推定を強調することである。DAGのトポロジー秩序化を推定するこの一般的手法の新しい応用を示した。手順の各ステップで,簡単な尤度比スコアだけを回帰残差で計算し,次のノードを決定し,現在の部分順序付けを付加した。pノード問題に関する著者らのアルゴリズムの計算量は,O(pd)であり,そこで,dは最大近傍サイズであった。穏やかな仮定の下で,著者らの手順の集団バージョンは,基礎となるDAGの真の秩序化を確かに同定する。著者らは,この逐次手順がおそらく数千のノードにスケールし,高次元データに対してよく働くことを実証するための広範な数値的証拠を提供した。これらの数値実験を単一細胞遺伝子発現データセットに適用した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般

, , , , ,

前のページに戻る