多重時系列における潜在的因果関係の学習【JST・京大機械翻訳】

Dmochowski Jacek P.

プレプリント

J-GLOBAL ID：202202210611057899 整理番号：22P0307329

多重時系列における潜在的因果関係の学習【JST・京大機械翻訳】

Learning latent causal relationships in multiple time series

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 (1件)：
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20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)

複数の動的要素を有するシステムの因果構造の同定は,いくつかの科学的分野にとって重要である。従来手法では,先験的に選択した観測信号間で,Granger Causalityによる因果律の統計的試験を行う。ここでは,多くのシステムにおいて,線形混合物として観測データで表現される潜在空間に因果関係を埋め込むことを提唱する。潜在源をブラインドに同定する技術を提示した:観測は,対間の因果律の強さを最大化するために,要素-駆動と駆動-の対に投影される。これは,目的関数と勾配に対する閉形式表現による最適化問題をもたらし,これは,オフ-シェル技法で解くことができる。既知の潜在構造による合成データに関する概念実証を実証した後に,この技術を,人間の脳と歴史的な暗号性価格から記録するために適用した。両事例において,この手法は,観測データにおいて明白でない複数の強い因果関係を回復する。提案技法は教師なしであり,データの根底にある因果関係に光を当てるために,任意の多重時系列に容易に適用できる。【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