潜在的介入の下での微分可能な因果発見【JST・京大機械翻訳】

Faria Goncalo R. A.; Martins Andre F. T.; Figueiredo Mario A. T.

プレプリント

J-GLOBAL ID：202202213195937859 整理番号：22P0298986

潜在的介入の下での微分可能な因果発見【JST・京大機械翻訳】

Differentiable Causal Discovery Under Latent Interventions

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03月04日プレプリントサーバーでの情報更新日： 2022年03月04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)

最近の研究は,介入変数が未知である場合でも,勾配ベース手法による介入データのレバーグによる因果発見における有望な結果を示している。しかし,以前の研究は,サンプルと介入の間の対応が知られており,しばしば非現実的であると仮定する。著者らは,複数の介入分布と1つの観測分布からサンプリングされた広範囲なデータセットを有するシナリオを想像する,しかし,どの分布が各サンプルに起源を出して,介入がシステム,すなわち,介入が,完全に潜在的であるかを知らない。介入構造因果モデルの無限混合(Dirichletプロセスの下で)間の共有因果グラフを学習するので,このシナリオに対処するニューラルネットワークと変分推論に基づく方法を提案した。合成および実データによる実験は,著者らのアプローチとその半教師つきバリアントが,この挑戦的なシナリオにおける因果関係を発見することができることを示した。【JST・京大機械翻訳】

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

人工知能

前のページに戻る