Aug, 2023

因果推断中的未观测混淆因素扩散模型

PDF
TL;DR我们研究如何扩展扩散模型的使用，以回答存在未测混淆因素的观测数据下的因果问题。在 Pearl 的使用有向无环图 (DAG) 捕捉因果干预的框架中，提出了一种基于扩散模型的因果模型 (DCM)，以更准确地回答因果问题，前提是所有混淆因素都可以被观察到。然而，在实践中存在未测混淆因素，这限制了 DCM 的适用性。为了减轻 DCM 的这一局限性，我们提出了一种称为基于后门准则的 DCM (BDCM) 的扩展模型，其思想根植于在 DAG 中找到要包括在扩散模型的解码过程中的变量的后门准则，以便我们可以将 DCM 扩展到存在未测混淆因素的情况。合成数据实验证明了我们提出的模型在未测混淆因素下更精确地捕捉了反事实分布。
diffusion modelcausal questionsunmeasured confoundersdiffusion-based causal model (dcm)backdoor criterion based dcm (bdcm)
发现论文，激发创造
  • 扩散因果模型用于反事实估计

    提出 Diff-SCM 来解决如何从观察到的成像数据中估计反事实效果的问题，使用深度结构因果模型和生成式能量模型相结合的方法进行推理，并且在 MNIST 数据和 ImageNet 数据上证明了其优越性。

    Feb, 2022

  • 反事实解释的扩散模型

    本论文提出 DiME 方法，在使用最近传播模型的同时利用引导生成扩散过程，充分利用目标分类器的梯度生成输入实例的反事实解释，进一步通过提出一个新的度量标准 —— 相关差异，分析了目前评估虚假相关性的方法，并进行实验验证，结果表明该算法在 CelebA 上优于之前的最新研究成果。

    Mar, 2022

  • 可微因果发现中的未测混杂

    通过不可测量变量存在的混淆系统推导不可追踪混杂图（ADMGs）的状态，从而将因果发现视为连续优化问题，并设计不同的可微过程来发现线性方程组的最佳拟合 ADMG 结构。

    Oct, 2020

  • VillanDiffusion：基于扩散模型的统一后门攻击框架

    本文介绍了一个统一的后门攻击框架（VillanDiffusion），用于扩展目前对扩散模型（DMs）的后门分析范围，并通过实验展示了该框架有助于不同 DM 配置的后门分析，并提供了有关基于标题的后门攻击 DMs 的新见解。

    Jun, 2023

  • 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

  • 将领域知识融入深度神经网络中用于离散选择模型

    本文提出了一种框架，通过约束条件将领域知识和先验信念与机器学习相结合，以支持可解释的基于数据驱动的离散选择模型的开发，并通过案例研究展示了该框架的潜力。

    May, 2023

  • 个性化的二项式有向无环图学习与网络结构协变量

    本文研究利用多元计数数据进行因果发现，引入个性化的二项式有向无环图模型以应对用户异质性和观测之间的网络依赖关系，通过将网络结构嵌入到降维协变量中来学习所提出的有向无环图模型，并探索方差 - 均值关系以确定节点的顺序。通过模拟实验证明我们的算法在异质数据上胜过现有的竞争对手，并在实际的网页访问数据集上验证了其实用性。

    Jun, 2024

  • 利用有限的图知识超越 Markov 等价的前门调整

    本文通过提供可测试的条件独立性语句，展示了使用类前门调整来计算因果效应的方法，并证明该方法适用于在有限结构信息的情况下不知道图形的情况下。

    Jun, 2023

  • Elijah：通过分布变化消除扩散模型中注入的后门

    我们提出了第一个扩散模型的后门检测和清除框架，通过对数百种扩散模型进行评估，实验证明我们的方法可以几乎百分之百地检测出后门，并将后门效果减少到接近零，而不明显损害模型的效用。

    Nov, 2023

  • 关于因果背景知识的表示及其在因果推理中的应用

    本文提出了一种新方法 —— 称作直接因果子句（DCC）来表述所有类型的因果背景知识，分析因果背景知识的一致性、等价性，任何因果背景知识集合都可分解成一个因果 MPDAG 和一个最小剩余 DCC 集合，并提供了用于检查一致性、等价性和查找分解的多项式算法。最后，作者们还发现，因果效应的可鉴定性仅取决于分解后的 MPDAG。

    Jul, 2022