识别干预外推的表示

Oct, 2023

Identifying Representations for Intervention Extrapolation

Sorawit Saengkyongam, Elan Rosenfeld, Pradeep Ravikumar, Niklas Pfister, Jonas Peters

TL;DR本文考虑识别性表示学习和干预外推任务，发现可识别表示能有效预测干预对结果的影响，即使干预呈非线性关系。通过结合干预外推任务和可识别表示学习，我们提出了一种新的方法 Rep4Ex，通过对观察特征进行非线性外推，成功预测未观察干预的效应。

Abstract

The premise of identifiable and causal representation learning is to improve the current representation learning paradigm in terms of generalizability or robustness. Despite recent progress in questions of identifiability, more theoretical results demonstrating concrete advantages of these methods for downstream tasks are needed. In this paper, we consider t

identifiable representation learning intervention extrapolation latent features non-linear extrapolation linear invariance constraint

发现论文，激发创造

未知干预下因果表征的非参数识别

研究非参数学习中未知干预数据的因果表征学习，证明两个有关变量的观察分布和一次干预足以提供可识别性，同时说明了保留潜在变量之间因果影响的等价解决方案在绘制新数据的因果推论方面的合理性

Jun, 2023

从一般非线性混合干预中学习线性因果表示

本文研究了从未知潜在干预中学习因果表征的问题，并且证明了在情形下强可辨识性，该情形中潜在分布是高斯分布，混合函数是完全一般化的。

Jun, 2023

多节点干预下识别线性混合因果表示

通过多节点干预数据学习因果表示并验证可识别性。

Nov, 2023

学习未知干预下非参数潜在因果图

本文介绍了一种在潜在空间中通过未知干预重建潜在因果图的方法，不需要进行参数假设，并且不需要已知潜在变量的数量，每个潜在变量最多只需要一个未知干预，通过引入虚集和孤立边的两个新图形概念，可构造性地证明了这种方法的可行性。

Jun, 2023

支持外推的表征学习

本文考虑了学习支持外推的表示的挑战，引入了一种新颖的视觉类比基准和一种简单的技术：时间上下文归一化来支持关系强调的表示，接着发现该技术显著提高了外推能力，胜过了许多竞争技术。

Jul, 2020

学习重叠表示用于估计个性化治疗效果

选择干预的决策取决于其潜在的利益或伤害与替代方案相比。通过观察性数据估计替代方案的可能结果是一个具有挑战性的问题，尽管深度核回归算法和后验正则化框架在多个基准数据集上表现优越，但我们发现学习输入的域不变表示的算法经常不合适，并开发以依赖于域重叠和强调需要可逆潜在映射的泛化界限。

Jan, 2020

可识别的隐含神经因果模型

潜在维度加性噪声模型和潜在后非线性因果模型中的分布转变在因果表示学习中发挥重要作用，能够确定因果表示的可辨识性条件，并将其转化为实际算法，从而获得可靠的潜在因果表示。

Mar, 2024

因果表示学习的普适可识别性与可实现性

该研究论文主要关注于在一般非参数因果潜在模型和将潜在数据映射到观测数据的一般变换模型下的因果表示学习，通过使用潜在因果图中每个节点的两个硬解耦干预来建立可识别性和可实现性结果。

Oct, 2023

从一般环境中学习因果表示：可识别性和内在歧义

该论文研究因果关系表示学习，通过从我们观察到的低级数据中恢复高级潜在变量和它们之间的因果关系，假设可以访问从多个环境生成的观测结果。作者提出了一种可证明在无法使用硬干预的情况下所能达到的最佳可识别性概念，并针对线性因果模型和一般非参数因果模型提供了相应的可识别性保证。

Nov, 2023

可识别的潜在多项式因果模型：变化的视角

从观察到的低级数据中揭示潜在高级因果表征是因果表征学习的目标之一，本文通过对多个环境中潜在因果变量之间因果影响的变化进行识别性探索，扩展了潜在因果模型的范围以涉及非线性因果关系，并且提出了一种新的经验估计方法，通过理论发现为学习一致的潜在因果表征提供了可行性。

Oct, 2023