論文の概要: Fuzzy Stochastic Timed Petri Nets for Causal properties representation
- arxiv url: http://arxiv.org/abs/2011.12075v1
- Date: Tue, 24 Nov 2020 13:22:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 12:17:33.108863
- Title: Fuzzy Stochastic Timed Petri Nets for Causal properties representation
- Title(参考訳): 因果特性表現のためのファジィ確率時間ペトリネット
- Authors: Alejandro Sobrino and Eduardo C. Garrido-Merchan and Cristina Puente
- Abstract要約: 因果関係はしばしば有向グラフで表され、原因を示すノードと因果関係を表すリンクがある。
因果シナリオをグラフィカルに表現するために使われる一般的な方法は、ニューロン、真理表、因果ベイズネットワーク、認知地図、ペトリネットである。
従来のモデルは、前述のプロパティのいくつかを別々に表現できるが、それら全てをはっきりと説明しようとはしないことを示す。
- 参考スコア(独自算出の注目度): 68.8204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Imagery is frequently used to model, represent and communicate knowledge. In
particular, graphs are one of the most powerful tools, being able to represent
relations between objects. Causal relations are frequently represented by
directed graphs, with nodes denoting causes and links denoting causal
influence. A causal graph is a skeletal picture, showing causal associations
and impact between entities. Common methods used for graphically representing
causal scenarios are neurons, truth tables, causal Bayesian networks, cognitive
maps and Petri Nets. Causality is often defined in terms of precedence (the
cause precedes the effect), concurrency (often, an effect is provoked
simultaneously by two or more causes), circularity (a cause provokes the effect
and the effect reinforces the cause) and imprecision (the presence of the cause
favors the effect, but not necessarily causes it). We will show that, even
though the traditional graphical models are able to represent separately some
of the properties aforementioned, they fail trying to illustrate indistinctly
all of them. To approach that gap, we will introduce Fuzzy Stochastic Timed
Petri Nets as a graphical tool able to represent time, co-occurrence, looping
and imprecision in causal flow.
- Abstract(参考訳): 画像は知識のモデル化、表現、伝達によく用いられる。
特に、グラフは最も強力なツールの1つであり、オブジェクト間の関係を表現することができる。
因果関係はしばしば有向グラフで表され、原因を示すノードと因果関係を表すリンクがある。
因果グラフは骨格図であり、因果関係と実体間の影響を示す。
因果シナリオをグラフィカルに表現するための一般的な方法は、ニューロン、真理表、因果ベイズネットワーク、認知地図、ペトリネットである。
因果性はしばしば、先行性(効果に先行する原因)、並行性(しばしば2つ以上の原因によって同時に効果が誘発される)、円性(効果を誘発し、原因を補強する原因)、即効性(原因の存在は効果を優先するが、必ずしもそれを引き起こすとは限らない)によって定義される。
従来のグラフィカルモデルは、前述のプロパティのいくつかを別々に表現できるが、それら全てをはっきりと説明しようとはしないことを示す。
このギャップに対処するために、時間、共起、ループ、因果流れにおける不正確さを表現できるグラフィカルツールとして、Fuzzy Stochastic Timed Petri Netsを導入します。
関連論文リスト
- Identifiability of total effects from abstractions of time series causal graphs [2.5515299924109858]
本研究では,観測時系列からの介入による全効果の同定可能性の問題について検討する。
我々は、拡張された要約因果グラフと要約因果グラフの2つの抽象概念を考察する。
論文 参考訳(メタデータ) (2023-10-23T08:31:26Z) - Diagrammatic Modelling of Causality and Causal Relations [0.0]
本稿では、因果関係の図式モデル(図形)について述べる。
我々は,この文脈において,物作り機械の概念言語(TM)をツールとして使用することを試みた。
その結果, TMによる因果関係の描写はより完全であり, 因果グラフの基礎となることが示唆された。
論文 参考訳(メタデータ) (2023-10-17T07:17:51Z) - Identifiability of Direct Effects from Summary Causal Graphs [1.0878040851638]
本稿では,要約因果グラフから直接効果が図形的に識別可能なすべてのケースを特徴付ける。
これは2つの音の有限調整セットを与え、それが特定可能なときに直接効果を推定するために使用できる。
論文 参考訳(メタデータ) (2023-06-29T14:05:35Z) - DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。
具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。
効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文 参考訳(メタデータ) (2023-03-12T03:40:21Z) - Probing Graph Representations [77.7361299039905]
グラフ表現でキャプチャされた意味のある情報の量を定量化するために、探索フレームワークを使用します。
本研究は, グラフモデルにおける帰納的バイアスを理解するための探索の可能性を示すものである。
グラフベースモデルを評価する上で有用な診断ツールとして,探索を提唱する。
論文 参考訳(メタデータ) (2023-03-07T14:58:18Z) - iCITRIS: Causal Representation Learning for Instantaneous Temporal
Effects [36.358968799947924]
因果表現学習は、基礎となる因果変数とその関係を高次元観測から識別するタスクである。
時間的シーケンスにおける瞬時効果を処理できる因果表現学習法iCITRISを提案する。
3つのビデオデータセットの実験において、iCITRISは因果因子とその因果グラフを正確に識別する。
論文 参考訳(メタデータ) (2022-06-13T13:56:40Z) - Counterfactual Fairness with Partially Known Causal Graph [85.15766086381352]
本稿では,真の因果グラフが不明な場合に,対実フェアネスの概念を実現するための一般的な手法を提案する。
特定の背景知識が提供されると、正の因果グラフが完全に知られているかのように、反ファクト的公正性を達成することができる。
論文 参考訳(メタデータ) (2022-05-27T13:40:50Z) - Causal Transportability for Visual Recognition [70.13627281087325]
画像とラベルの関連性は、設定間では転送できないため、標準分類器がフェールすることを示す。
次に、すべての共起源を摂食する因果効果が、ドメイン間で不変であることを示す。
これにより、画像分類における因果効果を推定するアルゴリズムを開発する動機付けとなる。
論文 参考訳(メタデータ) (2022-04-26T15:02:11Z) - Do learned representations respect causal relationships? [30.36097461828338]
我々は,高次元データから観測因果発見を行うNCINetを紹介する。
第2に、NCINetを用いて、ラベル間の未知の因果関係と異なる属性対の画像表現の因果関係を同定する。
第三に、表現学習における様々な設計選択によって引き起こされる学習表現の因果関係に対する影響を解析する。
論文 参考訳(メタデータ) (2022-04-02T04:53:10Z) - 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)
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。