关键词causal discovery algorithm
搜索结果 - 7
- 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 - 商业流程中的 WHY:发现因果执行依赖关系
我们提出了一种系统的方法来揭示真实的业务过程的因果关系,通过利用现有的因果发现算法和活动时序,发现了现有的过程挖掘发现算法生成的模型与因果业务过程模型不一致的情况,并演示了如何在挖掘过程模型中注释这些不一致性的方法。
- 基于约束模型和 PMIME 度量的时间序列因果发现
本文介绍了一种新的方法来发现多元时间序列数据中的因果关系,该方法结合因果发现算法和基于信息论的度量,可以推断线性和非线性关系以及构建潜在的因果图。我们在几个模拟数据集上评估了我们的方法的性能,并展示了有希望的结果。
- 发现代理人
本文提出了第一个正式的有关案例的因果定义 - 粗略地说,机构是指如果其行动以不同的方式影响世界将适应其策略的系统。从此,我们推导出了第一个通过实证数据发现代理的因果发现算法,并提供了在因果模型和博弈理论影响图之间进行转换的算法。我们通过解决 - MM利用有向因果发现技术检测潜在共因变量
本文提出了一种探测变量之间潜在共同原因的因果发现算法,并将其应用于两个有向因果发现算法的实验中。结果表明,该算法可以探测到已知的共同原因,并保留原始算法在区分有向因果关系方面的性能
- 基于约束的算法用于发现具有循环、潜在变量和选择性偏差的因果关系
本文介绍了一种称为循环因果推断(CCI)的算法,能够在条件独立神经元操作符下对循环因果过程进行有效推断,如将循环因果过程表示为非递归线性结构方程模型与独立误差。实证结果表明,CCI 在循环情况下优于 CCD,且在无环情况下与 FCI 和 R - 检测大规模非线性时间序列数据中的因果关系
提出了一种结合线性或非线性条件独立性检验与因果发现算法的方法,可以从大规模时间序列数据集中重构因果网络,从而在气候科学或神经科学等研究领域中识别因果关系。