Fugu-MT 論文翻訳(概要): Algorithms for Causal Reasoning in Probability Trees

論文の概要: Algorithms for Causal Reasoning in Probability Trees

arxiv url: http://arxiv.org/abs/2010.12237v2
Date: Thu, 12 Nov 2020 00:49:06 GMT
ステータス: 処理完了
システム内更新日: 2022-10-03 21:40:09.791763
Title: Algorithms for Causal Reasoning in Probability Trees
Title（参考訳）: 確率木における因果推論アルゴリズム
Authors: Tim Genewein, Tom McGrath, Gr\'egoire D\'eletang, Vladimir Mikulik, Miljan Martic, Shane Legg, Pedro A. Ortega
Abstract要約: 離散確率木における因果推論のための具体的なアルゴリズムを提案する。我々の研究は因果推論の領域を非常に一般的な離散過程のクラスへと拡張する。
参考スコア（独自算出の注目度）: 13.572630988699572
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Probability trees are one of the simplest models of causal generative processes. They possess clean semantics and -- unlike causal Bayesian networks -- they can represent context-specific causal dependencies, which are necessary for e.g. causal induction. Yet, they have received little attention from the AI and ML community. Here we present concrete algorithms for causal reasoning in discrete probability trees that cover the entire causal hierarchy (association, intervention, and counterfactuals), and operate on arbitrary propositional and causal events. Our work expands the domain of causal reasoning to a very general class of discrete stochastic processes.
Abstract（参考訳）: 確率木は因果生成プロセスの最も単純なモデルの一つである。明確な意味論を持ち、因果ベイズネットワークとは異なり、因果帰納に必要な文脈固有の因果依存を表現することができる。しかし、彼らはAIとMLコミュニティからほとんど注目を集めていない。ここでは,因果階層全体(連想,介入,反事実)をカバーする離散確率木における因果推論の具体的アルゴリズムを示し,任意の命題と因果イベントを扱う。我々の研究は因果推論の領域を、離散確率過程の非常に一般的なクラスへと拡張する。

関連論文リスト

A complete logic for causal consistency [0.0]
本モデルでは,グラフ上の因果構造を調べるツールとしてグラフ型を導入する。グラフ型の性質は、ポムセット論理を保守的に拡張する新しい因果論理の因果一貫性の完全性を証明するために使われる。因果論理がポムセット論理を保守的に拡張するという事実を利用して、ポムセットとBVを分離する文の物理的に意味のある解釈を与える。
論文参考訳（メタデータ） (2024-03-14T11:36:53Z)
Effective Bayesian Causal Inference via Structural Marginalisation and Autoregressive Orders [16.682775063684907]
構造学習問題を因果順序と各変数に対する因果順序を推定する親集合に分解する。提案手法は, スケールフリーおよびエルドス・レーニグラフ構造を持つ非線形付加雑音ベンチマークのシミュレーションによる構造学習における最先端の手法である。
論文参考訳（メタデータ） (2024-02-22T18:39:24Z)
Axiomatization of Interventional Probability Distributions [4.02487511510606]
因果的介入は、do-calculusの規則の下で公理化される。我々の公理化の下では、インターベンジド分布は定義されたインターベンジド因果グラフに対するマルコフ分布であることが示される。また、自然構造因果モデルの大規模なクラスが、ここで提示される理論を満たすことを示す。
論文参考訳（メタデータ） (2023-05-08T06:07:42Z)
Explaining Random Forests using Bipolar Argumentation and Markov Networks (Technical Report) [17.9926469947157]
ランダムフォレスト(Random forest)は、さまざまな機械学習問題を解決するために使用できる決定木アンサンブルである。決定過程を推論するために,議論問題として表現することを提案する。マルコフネットワークエンコーディングを用いて十分な議論的説明を一般化し、これらの説明の関連性について議論し、文献からの帰納的説明の家族との関係を確立する。
論文参考訳（メタデータ） (2022-11-21T18:20:50Z)
Active Bayesian Causal Inference [72.70593653185078]
因果発見と推論を統合するための完全ベイズ能動学習フレームワークであるアクティブベイズ因果推論(ABCI)を提案する。 ABCIは因果関係のモデルと関心のクエリを共同で推論する。我々のアプローチは、完全な因果グラフの学習のみに焦点を当てた、いくつかのベースラインよりも、よりデータ効率が高いことを示す。
論文参考訳（メタデータ） (2022-06-04T22:38:57Z)
Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文参考訳（メタデータ） (2021-09-25T00:00:47Z)
Systematic Evaluation of Causal Discovery in Visual Model Based Reinforcement Learning [76.00395335702572]
AIと因果関係の中心的な目標は、抽象表現と因果構造を共同で発見することである。因果誘導を研究するための既存の環境は、複雑なタスク固有の因果グラフを持つため、この目的には適していない。本研究の目的は,高次変数の学習表現と因果構造の研究を促進することである。
論文参考訳（メタデータ） (2021-07-02T05:44:56Z)
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)
Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
論文参考訳（メタデータ） (2020-08-02T11:19:36Z)
From Checking to Inference: Actual Causality Computations as Optimization Problems [79.87179017975235]
本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。 8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
論文参考訳（メタデータ） (2020-06-05T10:56:52Z)

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。