論文の概要: Causal Sufficiency and Actual Causation

• arxiv url: http://arxiv.org/abs/2102.02311v1
• Date: Wed, 3 Feb 2021 22:12:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 16:31:18.987856
• Title: Causal Sufficiency and Actual Causation
• Title（参考訳）: 因果不全と実際の因果関係
• Authors: Sander Beckers
• Abstract要約: この論文は、パールの最初の戦略に戻る方法を提供する。 6つの公式な因果関係の定義と2つの必然性解釈を提供する。 これらの定義とその様々なハルパーン・パールの定義との関係に関する興味深い結果が提示される。
• 参考スコア（独自算出の注目度）: 3.198144010381572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pearl opened the door to formally defining actual causation using causal models. His approach rests on two strategies: first, capturing the widespread intuition that X=x causes Y=y iff X=x is a Necessary Element of a Sufficient Set for Y=y, and second, showing that his definition gives intuitive answers on a wide set of problem cases. This inspired dozens of variations of his definition of actual causation, the most prominent of which are due to Halpern & Pearl. Yet all of them ignore Pearl's first strategy, and the second strategy taken by itself is unable to deliver a consensus. This paper offers a way out by going back to the first strategy: it offers six formal definitions of causal sufficiency and two interpretations of necessity. Combining the two gives twelve new definitions of actual causation. Several interesting results about these definitions and their relation to the various Halpern & Pearl definitions are presented. Afterwards the second strategy is evaluated as well. In order to maximize neutrality, the paper relies mostly on the examples and intuitions of Halpern & Pearl. One definition comes out as being superior to all others, and is therefore suggested as a new definition of actual causation.
• Abstract（参考訳）: パールは因果モデルを使って実際の因果関係を正式に定義する扉を開いた。 第一に、X=xがY=y iff X=xを引き起こすという広範な直感をY=yの十分集合の必要要素として捉え、第二に、彼の定義が幅広い問題ケースに対して直感的な答えを与えることを示す。 このことがハーパーン・アンド・パール(Halpern & Pearl)による実際の因果関係の定義の数十のバリエーションに影響を与えた。 しかし、いずれもパールの第1戦略を無視しており、パール自身による第2戦略は合意を得られない。 この論文は、最初の戦略に戻る方法を提供します:それは6つの公式な因果不全の定義と2つの必要の解釈を提供します。 2つの組み合わせは、実際の因果関係の12の新しい定義を与える。 これらの定義とその様々なハルパーン・パールの定義との関係に関する興味深い結果が提示される。 その後、第2戦略も評価される。 中立性を最大化するために、論文はHalpern & Pearlの例と直感に大きく依存しています。 1つの定義は、他のすべての定義よりも優れており、したがって、実際の因果関係の新しい定義として提案される。

関連論文リスト

• Modifications of the Miller definition of contrastive (counterfactual) explanations [2.467139665151498]
  ミラーは最近、よく知られたハルパーン・パール(HP)による原因の定義と(矛盾しない)説明に基づく対照的な(非現実的な)説明の定義を提案した。 我々は、ミラーの定義が元のHPの定義にある問題を継承していることを示す。 我々はより堅牢なHPとBornerの定義に基づく2つの改良された変種を提案する。
  論文  参考訳（メタデータ） (2023-07-20T12:52:30Z)
• Causing is Achieving -- A solution to the problem of causation [0.0]
  因果関係の理解とモデル化の問題は近年,因果関係が本物であるという前提で問題視されている。 因果関係の本質は一つの函数、すなわちアキエフにある。 Achieves関数の性質を解明するためには依然として残っているが、これは以前の研究で部分的に詳細に説明されているだけである。
  論文  参考訳（メタデータ） (2023-07-01T09:01:49Z)
• Reasoning about Causality in Games [63.930126666879396]
  因果推論とゲーム理論推論は人工知能の基本的なトピックである。 本稿では,エージェントの意思決定ルールとゲームを管理する分布の依存関係をエンコードするメカニケードゲームを紹介する。 因果ゲームと他の形式主義の対応を記述し、他の因果ゲームやゲーム理論モデルがサポートしていない問合せにどのように因果ゲームが使えるかを説明する。
  論文  参考訳（メタデータ） (2023-01-05T22:47:28Z)
• Human Interpretation of Saliency-based Explanation Over Text [65.29015910991261]
  テキストデータ上でのサリエンシに基づく説明について検討する。 人はしばしば説明を誤って解釈する。 本稿では,過度知覚と過小認識のモデル推定に基づいて,サリエンシを調整する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-27T15:20:32Z)
• Model Explanations via the Axiomatic Causal Lens [9.915489218010952]
  そこで本研究では,すべての原因の集合を特徴重みに集約する3つの説明尺度を提案する。 最初の尺度は、チョックラーとハルパーンの因果責任の概念の自然な適応である。 我々は、ブラックボックスモデル説明のためのShapley-ShubikとBanzhafの指標を計算するための新しい手法を導出するために、我々のアプローチを拡張した。
  論文  参考訳（メタデータ） (2021-09-08T19:33:52Z)
• Everything Has a Cause: Leveraging Causal Inference in Legal Text Analysis [62.44432226563088]
  因果推論は変数間の因果関係を捉えるプロセスである。 本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。 GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
  論文  参考訳（メタデータ） (2021-04-19T16:13:10Z)
• The Counterfactual NESS Definition of Causation [3.198144010381572]
  我々の定義は実際には、ライトの有名なNESSの因果関係の定義と反実差分法条件の形式化であることを示している。 プリエンプションのケースの問題点分析を回避するために、差別化条件を弱めるように、定義を変更しました。
  論文  参考訳（メタデータ） (2020-12-09T15:57:56Z)
• 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)
• The Struggles of Feature-Based Explanations: Shapley Values vs. Minimal Sufficient Subsets [61.66584140190247]
  機能に基づく説明は、自明なモデルでも問題を引き起こすことを示す。 そこで本研究では,2つの一般的な説明書クラスであるシェープリー説明書と十分最小限の部分集合説明書が,基本的に異なる基底的説明書のタイプをターゲットにしていることを示す。
  論文  参考訳（メタデータ） (2020-09-23T09:45:23Z)
• Aligning Faithful Interpretations with their Social Attribution [58.13152510843004]
  モデル解釈が忠実であることの要件はあいまいで不完全であることに気付く。 因果的帰属(因果的帰属)と解釈(社会的帰属)に対する人間の行動の帰属(因果的帰属)の相違が問題であると認識する。
  論文  参考訳（メタデータ） (2020-06-01T16:45:38Z)

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。