Aug, 2023

条件独立图上的知识传播

PDF
TL;DR本研究提出了在条件独立图上进行知识传播的算法，实验证明该技术在公开可用的 Cora 和 PubMed 数据集上优于现有技术。
conditional independence graphprobabilistic graphical modelundirected graphknowledge propagationstate-of-the-art
发现论文，激发创造
  • 概率图模型的近似蕴涵

    本文研究了概率图模型中近似条件独立性的推断和验证问题，发现无向概率图并不能提供准确的条件独立性推断保证，而有向概率图可以通过 $d$-separation 算法准确推断近似条件独立性。此外，还提出了改进的近似保证方法和独立关系推断算法。

    Oct, 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

  • 利用自动条件独立推理实现因果发现算法的运行时验证 (扩展版本)

    CICheck 是一种运行时验证工具，旨在通过可靠性和隐私角度对因果关系发现算法进行加固。CICheck 采用一种声音且可判定的编码方案，将条件独立性关系问题转化为 SMT 问题，并通过四阶段决策过程和三个轻量级优化措施高效解决问题。CICheck 包含两个变体：ED-CICheck 和 ED-CICheck，分别用于检测错误的条件独立性测试（以提高可靠性）和修剪过多的条件独立性测试（以提高隐私性）。

    Sep, 2023

  • 基于核的条件独立性检验及其在因果发现中的应用

    提出了一种基于核的条件独立性检验方法（KCI-test），可以有效地在维数较高、条件集较大、样本容量较小的情况下进行条件独立性检验，并且实验证明该方法胜过其他方法。

    Feb, 2012

  • 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

  • 概率依赖图推断

    对于离散变量的概率依赖图，提出了一种可行的推理算法，通过将其转化为凸优化问题并应用内点方法来达到多项式时间求解，实现优于基准方法的推理效果。

    Nov, 2023

  • 用于随机过程的因果推断中的签名核条件独立性检验

    利用基于核函数的条件独立性测试以及基于约束的因果发现算法，本文致力于从随机动力系统中推断因果结构，证明在路径空间中，我们提出的条件独立性测试相较于现有方法表现优秀，并在允许循环的随机动力系统中，利用时间信息恢复出完整的有向图，通过实验证明我们开发的条件独立性测试结合因果发现算法在多种场景下可靠地优于基线模型。

    Feb, 2024

  • 偏置节点分类的因果性和独立性增强

    针对节点分类中的离群分布泛化问题以及数据偏差的挑战，本文提出了一种称为 Causality and Independence Enhancement (CIE) 的框架，可以应用于各种图神经网络，通过消除不同类型的数据偏差，提高分类性能，并在实验中超越了最先进的去偏节点分类方法。

    Oct, 2023

  • 强制条件独立性：公平表示学习和因果图像生成

    我们介绍了一种新的训练范式，通过使用动态采样策略，扩展了将条件独立性约束推广到高维特征空间的方法，从而能够在保持等概率性约束的条件下实现任何受保护属性与扩散自动编码器潜在表示的条件独立性，从而实现具有可控潜在空间的因果图像生成，而保持下游任务的高准确性。

    Apr, 2024

  • 迈向强壮的关系因果发现

    本研究考虑了从关系型数据中学习因果关系的问题，并提出一个可靠的条件独立性测试方法，通过对关系型数据进行条件独立性测试来恢复底层因果结构，并进行实验验证。

    Dec, 2019