- 我们随着时间变得更明智吗?关于分层背景知识因果等价性的研究
使用分层背景知识建立的 MPDAG 限制了 DAG 的等价类,简化了因果效应估计中的计算,同时提高了信息量。
- 参数化和加权 MDP 的基于图形的约简
本文章研究了参数化马尔可夫决策过程中、权重可达性问题的缩减复杂度。该问题的计算复杂度为 coETR-complete,但是我们在此研究中提出了一种多项式时间算法,可以计算马尔可夫链的 order 等价类,并且描述和实现了两个推断规则,用于近 - 具有小条件集的因果图的表征和学习
本文提出了一种基于有限数据进行稳健因果发现的算法 $k$-PC,通过对两个因果图的条件独立性约束进行比较建立了 $k$-Markov 等价。实验表明,$k$-PC 算法相较于传统 PC 算法,可以在小样本环境中实现更强大的稳健性。
- Pawlak 粗糙集和邻域粗糙集的统一颗粒球学习模型
本文提出了基于粒球计算的粒球粗糙集模型,该模型可以同时处理 Pawlak 粗糙集和邻域粗糙集所能处理的数据类型,并且可以使用等价类表示知识;此外,本文还提出了粒球粗糙集的实现算法,并在基准数据集上验证了其在学习精度和特征选择方面的优越性。
- ACL通过模型投影获得更简化的上下文依赖逻辑形式
本文探讨了从话语到语义的上下文相关映射的学习问题,通过将全模型拆分为操作于逻辑形式等价类的简化模型来解决大规模逻辑表达式的挑战,研究并开发了一种新的从左到右的语义解析器,收集了三个上下文相关语义分析数据集。
- 通过统计推理的重整化群
本研究发展了一种操作方法来识别状态的等价类,并且说明了重整化群的作用和信息在其中的作用,为量子场论中的区分度计算提供了一种方法。同时,本文也为不基于传统量子场理论的有效模型扩展重整化技术提供了途径,并阐明了不同类型重整化群之间的关系。
- 学习贝叶斯网络结构的等价类
使用符合等价类的搜索空间,将贪心搜索算法用于从数据中学习贝叶斯网络的性能进行了比较,发现其表现优于仅对个别贝叶斯网络结构应用贪心搜索的效果。
- 从变化中发现因果关系
本研究提出了一种基于本地自发变化的方法,用于发现因果结构,并分析了与之相关的结构类别,设计了可以输出这些等价类的图形表示的算法,并使用模拟数据展示了实验结果,研究了变化检测和结构恢复的误差。
- 无向无环图模型的马尔可夫等价类枚举
本文介绍了使用 Pearl 和 Verma 的等价标准确定的 ADGs 模型的等价类的枚举程序,分析了模型的各种属性,并且发现了等效类数量与 ADGs 数量之间的一个近似 0.267 的渐进比率。