論文の概要: Causal version of Principle of Insufficient Reason and MaxEnt

• arxiv url: http://arxiv.org/abs/2102.03906v1
• Date: Sun, 7 Feb 2021 20:36:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-10 08:30:58.457290
• Title: Causal version of Principle of Insufficient Reason and MaxEnt
• Title（参考訳）: 不十分な推論とMaxEntの原理の因果バージョン
• Authors: Dominik Janzing
• Abstract要約: 不十分な理由(PIR)の原理は、ランダムな実験のそれぞれの選択肢に等しい確率を割り当てる。 MaxEntはPIRを、期待のような統計情報が与えられる場合に一般化する。 我々は、PIRとMaxEntの因果修正を、原因の制約と原因から影響を生み出すメカニズムの制約に分離することで正当化する。
• 参考スコア（独自算出の注目度）: 13.956163811289832
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Principle of insufficient Reason (PIR) assigns equal probabilities to each alternative of a random experiment whenever there is no reason to prefer one over the other. Maximum Entropy (MaxEnt) generalizes PIR to the case where statistical information like expectations are given. It is known that both principles result in paradox probability updates for joint distributions of cause and effect. This is because constraints on the conditional P(effect | cause) result in changes of P(cause) that assign higher probability to those values of the cause that offer more options for the effect, suggesting 'intentional behaviour'. Earlier work therefore suggested sequentially maximizing (conditional) entropy according to the causal order, but without further justification apart from plausibility for toy examples. We justify causal modifications of PIR and MaxEnt by separating constraints into restrictions for the cause and restrictions for the mechanism that generates the effect from the cause. We further sketch why Causal PIR also entails 'Information Geometric Causal Inference'. We briefly discuss problems of generalizing the causal version of MaxEnt to arbitrary causal DAGs.
• Abstract（参考訳）: 不十分な推論の原理(PIR)は、一方が他方よりも優先する理由がない場合に、ランダムな実験の選択肢ごとに等しい確率を割り当てる。 MaxEnt(Maximum Entropy)は、期待などの統計情報が与えられる場合にPIRを一般化します。 両方の原理が原因と効果の共同分布のパラドックス確率更新をもたらすことが知られている。 これは条件付き p( effect | cause) の制約によって p( because) が変化し、その効果により多くの選択肢を提供する原因の値に高い確率を割り当てるようになり、「意図的行動」が示唆されるからである。 初期の研究は、因果順に従って(条件付き)エントロピーを逐次最大化することを示唆していたが、おもちゃの具体例の妥当性とは別に、さらなる正当化は行わなかった。 私たちは、PIRとMaxEntの因果的な修正を、原因から効果を生み出すメカニズムの制約と制限に制約を分けることによって正当化します。 Causal PIRが「情報幾何因果推論」を含む理由をさらにスケッチします。 MaxEnt の因果バージョンを任意の因果 DAG に一般化する問題について簡単に説明します。

関連論文リスト

• The most likely common cause [0.0]
  2つの確率変数の共通原因原理である$A$と$B$は因果不整合の場合に検討される。 この状況に対して一般化された最大極大法が適用可能であることを示す。 2つの二項対称変数を調べると、条件付き確率の非解析的挙動が明らかになる。
  論文  参考訳（メタデータ） (2023-06-30T11:20:37Z)
• Causal games of work extraction with indefinite causal order [0.0]
  我々は、大域的な相関関係と不確定因果秩序の存在を生かそうとする2つの協力的な地元のマックスウェルのデーモンの存在を考察する。 因果不等式が破られた場合、局所エネルギーを0に下げる確率がより大きいことを証明し、明確な因果順序に関してより平均的な作業を引き出すことができる。
  論文  参考訳（メタデータ） (2022-08-04T09:47:12Z)
• 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)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)
• Causal Collaborative Filtering [50.22155187512759]
  Causal Collaborative Filteringは、協調フィルタリングとレコメンデーションにおける因果関係をモデル化するためのフレームワークである。 従来のCFアルゴリズムの多くは、単純化された因果グラフの下で、実際にCCFの特殊なケースであることを示す。 そこで我々は,$do$-operationに対する条件付き介入手法を提案する。
  論文  参考訳（メタデータ） (2021-02-03T04:16:11Z)
• 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)
• Algorithms for Causal Reasoning in Probability Trees [13.572630988699572]
  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。
  論文  参考訳（メタデータ） (2020-10-23T08:51:52Z)
• Discovering Reliable Causal Rules [27.221938979891384]
  我々は、複雑なシステムで実行された場合、望ましい結果をもたらすポリシーや規則を導出する問題を調査する。 観察効果は、しばしば原因となる因果効果を表わさない。 本稿では,因果効果の保守的かつ一貫した推定器を提案し,推定器を最大化する効率的かつ正確なアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2020-09-06T13:08:20Z)
• 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)
• An Analysis of the Adaptation Speed of Causal Models [80.77896315374747]
  最近、Bengioらは、すべての候補モデルの中で、$G$は、あるデータセットから別のデータセットに適応する最速のモデルであると推測した。 最適化からの収束率を用いた原因影響SCMの適応速度について検討する。 驚くべきことに、私たちは反因果モデルが有利である状況を見つけ、初期仮説を偽造する。
  論文  参考訳（メタデータ） (2020-05-18T23:48:56Z)

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。