因果構造を誘導する学習【JST・京大機械翻訳】

Ke Nan Rosemary; Chiappa Silvia; Wang Jane; Goyal Anirudh; Bornschein Jorg; Rey Melanie; Weber Theophane; Botvinic Matthew; Mozer Michael; Rezende Danilo Jimenez

プレプリント

J-GLOBAL ID：202202212540839737 整理番号：22P0329297

因果構造を誘導する学習【JST・京大機械翻訳】

Learning to Induce Causal Structure

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 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年10月07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)

因果誘導における基本的課題は,観察および/または介入データを与える根底にあるグラフ構造を推論することである。ほとんどの既存の因果誘導アルゴリズムは,候補グラフを生成し,スコアベース法(連続最適化を含む)または独立試験のいずれかを用いてそれらを評価することにより動作する。本研究では,ブラックボックスとして推論プロセスを処理し,合成グラフ上で教師つき訓練によりグラフ構造に対する観察および介入データからマッピングを学習するニューラルネットワークアーキテクチャを設計した。学習モデルは新しい合成グラフに一般化し,訓練テスト分布シフトに対してロバストであり,低サンプル複雑性に対する自然グラフに関する最先端性能を達成した。【JST・京大機械翻訳】

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

人工知能

前のページに戻る