抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】