論文の概要: On Geometry of Information Flow for Causal Inference
- arxiv url: http://arxiv.org/abs/2002.02078v2
- Date: Mon, 30 Mar 2020 16:53:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 13:04:12.238824
- Title: On Geometry of Information Flow for Causal Inference
- Title(参考訳): 因果推論のための情報フローの幾何学について
- Authors: Sudam Surasinghe and Erik M. Bollt
- Abstract要約: 本稿では, グラガー・コーサリティに関するノーベル賞受賞作品を含む情報の流れを考察する。
我々の主な貢献は、伝達エントロピーによって示される因果推論として情報フローの幾何学的解釈を可能にする分析ツールを開発することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Causal inference is perhaps one of the most fundamental concepts in science,
beginning originally from the works of some of the ancient philosophers,
through today, but also weaved strongly in current work from statisticians,
machine learning experts, and scientists from many other fields. This paper
takes the perspective of information flow, which includes the Nobel prize
winning work on Granger-causality, and the recently highly popular transfer
entropy, these being probabilistic in nature. Our main contribution will be to
develop analysis tools that will allow a geometric interpretation of
information flow as a causal inference indicated by positive transfer entropy.
We will describe the effective dimensionality of an underlying manifold as
projected into the outcome space that summarizes information flow. Therefore
contrasting the probabilistic and geometric perspectives, we will introduce a
new measure of causal inference based on the fractal correlation dimension
conditionally applied to competing explanations of future forecasts, which we
will write $GeoC_{y\rightarrow x}$. This avoids some of the boundedness issues
that we show exist for the transfer entropy, $T_{y\rightarrow x}$. We will
highlight our discussions with data developed from synthetic models of
successively more complex nature: then include the H\'{e}non map example, and
finally a real physiological example relating breathing and heart rate
function.
Keywords: Causal Inference; Transfer Entropy; Differential Entropy;
Correlation Dimension; Pinsker's Inequality; Frobenius-Perron operator.
- Abstract(参考訳): 因果推論はおそらく科学における最も基本的な概念の1つであり、古代哲学者の一部の作品から今日まで始まったが、統計学者、機械学習の専門家、その他多くの分野の科学者の著作に強く織り込まれている。
本稿では, グラガー・コージナリティに関するノーベル賞受賞作品や, 最近人気の高いトランスファーエントロピーなど, 自然界における確率的情報の流れを考察する。
我々の主な貢献は、情報フローを正の伝達エントロピーで示される因果推論として幾何学的に解釈できる分析ツールを開発することである。
我々は、情報の流れを要約する結果空間に投影された基礎となる多様体の有効次元を記述する。
したがって、確率的および幾何学的視点とは対照的に、将来の予測の競合する説明に条件付きで適用されるフラクタル相関次元に基づく因果推論の新しい尺度を導入し、$GeoC_{y\rightarrow x}$と書く。
これにより、転送エントロピーに現れる有界性問題のいくつか、$T_{y\rightarrow x}$ を避けることができる。
続いて、H\'{e}non マップの例、そして最後に呼吸と心拍数関数に関する真の生理学的例を含む。
キーワード:因果推論、転送エントロピー、微分エントロピー、相関次元、ピンスカーの不等式、フロベニウス・ペロン作用素。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Fundamental Properties of Causal Entropy and Information Gain [0.22252684361733285]
最近の進歩は、構造因果モデル(SCM)による因果制御の定量化を可能にする
因果的エントロピーと因果的情報ゲインと名付けられた尺度は、因果性が重要な役割を果たす機械学習タスクに対する既存の情報理論的アプローチの限界に対処することを目的としている。
論文 参考訳(メタデータ) (2024-02-02T11:55:57Z) - Optimal Inflationary Potentials [0.0]
インフレは初期の宇宙に好まれる理論である。
多数の候補実装で非常に過小評価されている。
我々は、すべての単純なスカラー場ポテンシャルを生成するために、シンボリックレグレッションに新しい方法を用いる。
論文 参考訳(メタデータ) (2023-10-25T17:20:19Z) - On the Joint Interaction of Models, Data, and Features [82.60073661644435]
本稿では,データとモデル間の相互作用を実験的に解析する新しいツールであるインタラクションテンソルを紹介する。
これらの観測に基づいて,特徴学習のための概念的枠組みを提案する。
この枠組みの下では、一つの仮説に対する期待された精度と一対の仮説に対する合意はどちらも閉形式で導出することができる。
論文 参考訳(メタデータ) (2023-06-07T21:35:26Z) - Uncertainty relations in terms of generalized entropies derived from
information diagrams [0.0]
エントロピーと偶然の指数の不等式は、古典情報理論における研究の長年の方向性を形成する。
本稿では,情報図から得られたエントロピー的不確実性関係について述べる。
論文 参考訳(メタデータ) (2023-05-29T10:41:28Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳(メタデータ) (2020-11-04T10:25:13Z) - Aspects of quantum information in finite density field theory [0.0]
量子情報理論の手法を用いて、有限密度での量子場理論の異なる側面を研究する。
単純性のために、非ゼロな化学ポテンシャルを持つ巨大なディラックフェルミオンに焦点を合わせ、1+1$の時空次元で作業する。
論文 参考訳(メタデータ) (2020-11-02T19:00:26Z) - Hyperbolic Graph Embedding with Enhanced Semi-Implicit Variational
Inference [48.63194907060615]
半単純グラフ変分自動エンコーダを用いて,低次元グラフ潜在表現における高次統計量を取得する。
我々は、階層構造を示すグラフを効率的に表現するために、ポインケア埋め込みを通して潜在空間に双曲幾何学を組み込む。
論文 参考訳(メタデータ) (2020-10-31T05:48:34Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳(メタデータ) (2020-07-01T17:29:57Z) - Can Temporal-Difference and Q-Learning Learn Representation? A Mean-Field Theory [110.99247009159726]
時間差とQ-ラーニングは、ニューラルネットワークのような表現力のある非線形関数近似器によって強化される深層強化学習において重要な役割を担っている。
特に時間差学習は、関数近似器が特徴表現において線形であるときに収束する。
論文 参考訳(メタデータ) (2020-06-08T17:25:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。