Jul, 2024
时空图形反事实:概览
Spatio-Temporal Graphical Counterfactuals: An Overview
Mingyu Kang, Duxin Chen, Ziyuan Pu, Jianxi Gao, Wenwu Yu
TL;DR通过比较不同的反事实模型、理论和方法,并构建统一的图形因果框架,为推断时空反事实提供了一个调查研究。
Abstract
counterfactual thinking is a critical yet challenging topic for artificial
intelligence to learn knowledge from data and ultimately improve their
performances for new scenarios. Many research works, including Potential
Outcome Model and →
counterfactual thinkingartificial intelligencepotential outcome modelstructural causal modelgraphical approach
发现论文,激发创造
用概率图模型进行反事实推理以分析社会生态系统
因果推理和反事实推理是数据科学中的新兴方向,尤其适用于通常无法获取实验数据的环境和生态科学领域。本文提出了一个在社会生态系统领域内边界不可识别查询的新技术,并发现传统统计分析方法无法揭示变量之间的关系本质,其中反事实推理变得非常有价值。
Jan, 2024
通过临床背景知识指导预测流程监控的逆事实解释生成
通过使用基因算法技术,考虑运行时的一系列时间约束条件,我们在预测性过程监控的解释性领域中,为反事实在生成方面进行了改进,以保持时间背景知识的满意度,以及遵循反事实的传统质量指标。
Mar, 2024
针对反事实解释的条件生成模型
该论文提出了一种生成利用条件生成模型来生成稀疏的、在分布中反事实模型解释的通用框架,可适用于不同模态的数据,并说明了该方法在图像、时间序列和混合类型表格数据上的有效性。
Jan, 2021
图上的反事实学习:一份综述
本综述分四个主要方向,对图形反事实学习的现有方法进行分类和全面的审查。我们提出有前途的未来研究方向,并为未来研究编制了一份资源清单。我们还提供了一份开放源代码实现、公共数据集和常用评估度量标准的列表。本文的目的是为构建图形反事实学习类别和当前资源的统一理解提供 “一站式” 服务,并将维护论文和资源的知识库,并将不断更新此资源。
Apr, 2023
在不确定性下对反事实干预进行估计
通过采用贝叶斯层级模型来建模不确定性,本文解决了连续设置中对反事实分布的模棱两可性问题,特别是在贝叶斯变形高斯过程中,允许非高斯分布和非加法噪声,成功应用于一个合成和半合成的案例,并展示了在算法补救下游任务中的性能。
Sep, 2023