Mar, 2013

判断一组可观察的独立关系是否具有因果解释的算法

HTML
PDF
TL;DR本文提出了一种用于验证数据一致性的有效算法，该算法可以从独立性信息中提取因果关系，利用条件独立语句测试是否存在符合所有观测到的依赖性和独立性的因果模型，并找出存在的因果关系。
发现论文，激发创造
  • 使用功能模型识别因果图

    本文研究了基于条件独立性的因果发现方法下的数据生成过程假设，提出了可以跨越线性函数关系的可识别的功能模型类(IFMOCs)来确定完整的因果图，并提供了实用的算法和理论实验支持。

    Feb, 2012

  • 有向循环图的发现算法

    本文介绍了一个可以通过样本数据推理带循环因果图的因果结构的发现算法，并给出了正确性条件，该算法是稀疏图上的多项式。

    Feb, 2013

  • 因果独立的新视角

    本文介绍了一种基于功能表示的因果独立的时间特征，可以将其应用于信念网络中以实现更高效的推理。

    Feb, 2013

  • 因果模型的逻辑

    本研究研究了有向无环图在表示条件独立关系方面的作用，提出 DAG 可以用来推断条件独立关系并可以比其他准则发现更多合法的独立关系。此外，研究还表明 DAG 所显示的依赖关系是相一致的。

    Mar, 2013

  • 因果网络：语义和表达能力

    本文研究了依赖知识和图结构之间的关系，提出了基于因果输入列表的DAG的分离规则，为读取任何DAG中的独立性提供了一个可靠的方法。

    Mar, 2013

  • 因果图中的分离器和调整集：完备准则和算法框架

    本文提出了一种基于祖先图的算法框架，用于有效地测试，构建和枚举$m$-分隔符，从而较高效地进行非实验数据中因果效应的识别，同时还证明了通过协变调整进行因果效应识别与$m$分离在有向无环图及最大祖先图中的一个子图的规约，并利用这些结果，得出一种刻画所有调整集以及在存在潜在混淆因素的多元曝光及结果的期望因果效应识别的所有最小和最小调整集的构造性条件，为这些问题的特殊情况提供了现有解决方案的扩展。

    Feb, 2018

  • 混合有向无环图分布中因果结构的发现

    研究通过混合因果模型来获得分布，并探讨了如何从基于此类分布的样本中进行因果结构学习及如何使用这些信息对样本进行聚类。

    Jan, 2020

  • 潜在类别混淆下的因果发现

    使用有向无环图来建模系统的因果结构。在多个数据源（群体或环境）的数据聚合中，全局混淆模糊了许多因果发现算法中的条件独立性属性。因此，现有的因果发现算法不适用于多源设置。我们证明，如果混淆的基数有限（即数据来自有限数量的源），仍然可以实现因果发现。该问题的可行性取决于全局混淆因素的基数、观测变量的基数和因果结构的稀疏程度的权衡。

    Nov, 2023

  • 利用较少条件独立性检验进行因果发现

    本研究旨在通过多项式数量的条件独立性测试来学习隐藏因果图的较粗糙表示，名为因果一致分区图（CCPG），它由顶点的一个分区和在其组件上定义的有向图组成，并满足方向性的一致性和其他有利于更细的分区的约束条件。此方法在因果图可识别的特殊情况下，通过多项式数量的测试，提供了首个有效的还原真实因果图的算法。

    Jun, 2024

  • 在具有潜在混淆变量的摘要因果图中识别宏观条件独立性和宏观总效应

    该研究论文探讨了动态系统中因果关系的理解，并提出了简化的因果关系表示方法，摒弃了时间信息并集中于高层次因果结构，在此基础上研究了宏观查询和微观查询的条件独立性以及因果效应的鉴别方法。

    Jul, 2024