从常微分方程到结构因果模型:确定性情形
本书章节对于因果动力学模型的提出是对结构性因果模型的自然而直接的扩展,它提供了一种语言来建模干预情况下的系统响应,着重于动态本身而非相应的稳态分布,并且定义了干预模型,有助于因果推断。
Jan, 2020
我们开发了一种新的因果推断方法,通过学习随机微分方程 (SDEs) 的稳定密度来模拟系统在干预下的行为,而不需要因果图的结构方程,并且无需考虑无环性的常见假设。我们表明,在若干情况下,这些稳定扩散模型对于变量上的未观测干预进行了推广,通常比传统方法更好。我们的推断方法基于一个新的理论结果,通过在再生核希尔伯特空间中表达扩散的生成器上的稳定条件。由此产生的核函数离稳定性的偏差 (KDS) 是一个独立感兴趣的目标函数。
Oct, 2023
本研究主要在于探究具有潜在共变量和环路的结构因果模型,并证明其遵守特定可解性条件下的便利性质,这一工作将结构因果模型在具有周期的情况下进行了推广,从而提供了一般性的统计因果建模的基础。
Nov, 2016
本文介绍了一个完整的可识别性结果,该结果表征了所有情况,其中从总结因果图中直接效应可以图形化识别,并提供了两个可靠的有限调整集,可以用来估计直接效应。
Jun, 2023
通过对随机微分方程(SDEs)进行干预所产生的后干预 SDE 的定义,我们给出了对 SDEs 的因果解释,并证明在 Lipschitz 条件下,后干预 SDE 的解等于基于原始 SDE 的 Euler 方案的后干预结构方程模型的概率均匀极限。 当 SDE 的驱动噪声是 Lévy 过程时,我们证明后干预分布可以从 SDE 的生成器中识别出来。
Mar, 2013
本文介绍了利用 DBN 模型对三种生物 ODE 模型进行建模的过程,并使用粒子滤波算法对模型变量进行推断,其结果表明 DBNs 能够在缺失、不完整、稀疏和不规则的数据情况下,高精度地推断 ODE 模型的模型变量。
Oct, 2019
该论文介绍了结构方程模型 (SEMs) 中精确的转换机制,以实现不同粒度和级别的建模;它强调了在因果建模过程中精确定义干涉的重要性,并阐明了循环 SEMs 的解释。
Jul, 2017