Jan, 2017

无环定向混合图的嵌套马尔科夫性质

PDF
TL;DR利用核对象的条件独立性分解和变量消除的辅助计算方式，定义一套有向无环混合图模型和 Tian 等人提供的约束条件，并证明 DAG 模型的边缘分布属于该模型，最后阐明该模型中对于隐藏变量因果 DAG 模型识别的简单性质。
conditional independencedirected acyclic graphsfactorizationmarkov propertycausal effects
发现论文，激发创造
  • 无环有向混合图的分解准则

    本研究提出了半马尔可夫模型的因子化准则，该准则等同于（自然扩展的）d - 分离给出的全局马尔可夫性质，以表示由具有潜在变量的 DAG 模型诱导的观察边际的条件独立结构。

    Jun, 2014

  • 具有循环和潜变量的图模型的马尔可夫属性

    研究了允许存在循环和潜变量的概率图模型，并引入了带有超边的有向图，定义并分析了多个与图形结构相关的马尔可夫属性。

    Oct, 2017

  • 贝叶斯网络边缘图

    介绍了一种新的超级图类 mDAGs，通过潜在投影操作从 DAG 的边缘获取 mDAG，每个独特的 DAG 模型边缘至少由一个 mDAG 表示，并提供了图形结果以表征两个边缘模型何时相同。最后，证明了 mDAGs 可以在观察变量干预下正确地捕捉 DAG 的边缘结构。

    Aug, 2014

  • 用于离散数据的马尔科夫无环有向混合图

    研究了无向边和有向边混合，并且无向边形成无环图的 acyclic directed mixed graphs (ADMGs) 及其概率模型，提出了一种基于简单路径判据的全局马尔科夫性标准 ——m-separation，并得到了该模型的因子分解准则及离散随机变量的参数化表示，验证了该模型的光滑性，从而证明了马尔科夫性 ADMG 模型是曲率指数族。

    Jan, 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

  • 具有潜变量的有向无环图的马尔科夫等价类刻画

    本文新增一套足以构建所有最大祖先图的马尔科夫等价类的公共尾巴箭头的定向规则，并提供了一组定向规则，用于识别马尔科夫等价类的公共性，特别是对于因果推断的实用性。

    Jun, 2012

  • 信息论推断共同祖先

    该研究讨论了如何通过观察子系统来推断一个未知的大系统中的公共祖先，使用了信息论不等式来量化观察结果中的依赖关系，将多变量情况下的 Reichenbach 原理推广到因果解释的有向无环图中，并考虑了非概率观察结果的情况。

    Oct, 2010

  • 在最大定向部分有向无环图中识别因果效应

    我们为最大定向部分有向无环图（MPDAGs）开发了必要且充分的因果识别标准，该标准可被视为 Robins（1986）g - 公式的推广。我们进一步获得了截断因式分解公式（Pearl，2009）的推广，并将我们的标准与 Perković等人的广义调整标准（2017）进行了比较，后者对于因果识别是充分的，但不是必要的。

    Oct, 2019

  • 一个针对带隐藏变量的有向无环图的马尔可夫等价性的变换性刻画

    本文提出了针对有向最大祖先图的马尔科夫等价的转换性特征，类似于 Chickering (1995) 中对于有向无环图的特征，该特征有利于推导有马尔科夫等价图之间共享的性质和证明 GES 算法渐近正确性，对于搜寻最大祖先图的模型具有类似的用途。

    Jul, 2012

  • 有向无环图干预马尔可夫等价类的特征和贪心学习

    本文将有向无环图（DAGs）上的马尔可夫等价性的概念扩展到多重干预实验的干预性分布，给出两个 DAGs 在干预下等价的图理论标准，并且提出干预性本质图的概念，揭示了在干预性分布情况下因果模型识别过程的关键见解，最后基于这些见解，构建出一种新的算法来从干预性数据中进行结构学习，并进行了模拟研究。

    Apr, 2011