因果层级上的概率推理
通过干预模拟程序的概念分析条件推理，我们将其扩展到概率仿真模型的情况，定义了条件语言中的概率并证明了其基本结果。同时，我们在该设置中发现了关于概率的线性不等式推理的公理化方法。我们证明了该逻辑的可满足性问题的正确性、完备性和 NP - 完全性。
Jul, 2018
研究了 Pearl 的因果层次结构 (PCH) 框架中的推理和计算复杂性，重点关注概率和因果语言中表达的满足性问题，特别是与边缘化相关的方程，证明了不同层次和操作符的确切计算复杂性结果，以及对受限模型进行了考虑。
May, 2024
研究员从计算复杂性的角度出发，研究了能够完全表达数量化概率推理和因果效应的形式语言。研究集中于可表达许多概率和因果推断任务的可满足性问题，并建立了这些可满足性问题的确切计算复杂性。研究结果表明，一些在概率和因果推断中常用的标准语言的变体的算法限制更强。
May, 2023
引入求和运算符来捕捉应用程序中常见的设备，如 Pearl（2009）的因果推断中的 $do$-calculus，其中大量使用边际化。我们对使用边际化的概率和因果推理的复杂性进行了完全的特征化，证明了它们仍然等同困难。
May, 2024
在决策理论基础上，我们提出了因果关系的定义，并为因果推理提供了有原则的基础。我们的定义不同于传统的因果关系视角，因为因果断言可能随着可用决策集的变化而变化。我们认为这种方法增强了因果关系的清晰度。此外，我们还研究了有向无环图中因果关系的编码，我们描述了一个特殊的影响图类，即标准形式下的影响图，并展示了它与 Pearl's 的因果关系表示法的关系。最后，我们展示了标准形式如何促进反事实推理。
Dec, 1995
本文介绍了一种逻辑语言，用于表示概率因果律，该语言可以被用于概率逻辑编程，并且可以自我解释为概率因果律的表示方法，从而提供了解释这些编程背后想法的新方法。
Apr, 2009