Art

J-GLOBAL ID：201902256716998505   Reference number：19A1631532

Non-Gaussian Methods for Causal Structure Learning

因果構造学習のための非Gauss法【JST・京大機械翻訳】

Author (2)： Shimizu Shohei (Faculty of Data Science, Shiga University, Hikone, Japan) ,  Shimizu Shohei (The RIKEN Center for Advanced Intelligence Project, Tokyo, Japan)
Material： Prevention Science
Volume： 20  Issue： 3  Page： 431-441  Publication year： 2019 
JST Material Number： W4859A  ISSN： 1389-4986  Document type： Article
Article type： 文献レビュー  Country of issue： Germany, Federal Republic of (DEU)  Language： ENGLISH (EN)

Abstract/Point： Causal structure learning is o...

Register(free) or Log In to access     To see more with JDream III (charged).   {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A1631532&from=J-GLOBAL&jstjournalNo=W4859A") }}

Thesaurus term： linearity ,  simulation ,  machine learning ,  prevention ,  normal distribution ,  *covariance(statistics) ,  modeling ,  scientist ,  phosphorus
Semi thesaurus term： 解析ツール ,  巡回 ,  共分散行列 ,  *構造学習 , 【Automatic Indexing@JST】

Author keywords (4)： Causal structure discovery ,  Observational data ,  Non-Gaussianity ,  Structural causal models

JST classification (2)： Preventive medicine in general  (GB01010B) ,  Public health  (GB02000X)

Terms in the title (1)： 構造学習