論文の概要: Learning Causal Relationships from Conditional Moment Conditions by Importance Weighting

• arxiv url: http://arxiv.org/abs/2108.01312v1
• Date: Tue, 3 Aug 2021 06:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-04 14:03:08.493071
• Title: Learning Causal Relationships from Conditional Moment Conditions by Importance Weighting
• Title（参考訳）: 重み付けによる条件モーメント条件からの因果関係の学習
• Authors: Masahiro Kato and Haruo Kakehi and Kenichiro McAlinn and Shota Yasui
• Abstract要約: 条件付きモーメント条件下での因果関係の学習を検討する。 条件付きモーメント条件は、高次元設定における因果推論に深刻な課題をもたらす。 条件付きモーメント条件を条件付きモーメント条件に変換する手法を提案する。
• 参考スコア（独自算出の注目度）: 11.326695040991192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider learning causal relationships under conditional moment conditions. Unlike causal inference under unconditional moment conditions, conditional moment conditions pose serious challenges for causal inference, especially in complex, high-dimensional settings. To address this issue, we propose a method that transforms conditional moment conditions to unconditional moment conditions through importance weighting using the conditional density ratio. Then, using this transformation, we propose a method that successfully approximates conditional moment conditions. Our proposed approach allows us to employ methods for estimating causal parameters from unconditional moment conditions, such as generalized method of moments, adequately in a straightforward manner. In experiments, we confirm that our proposed method performs well compared to existing methods.
• Abstract（参考訳）: 条件付きモーメント条件下での因果関係の学習を検討する。 非条件モーメント条件での因果推論とは異なり、条件モーメント条件は因果推論、特に複雑で高次元の設定において深刻な問題を引き起こす。 そこで本稿では,条件密度比を用いた重み付けにより条件のモーメント条件を非条件のモーメント条件に変換する手法を提案する。 そして,この変換を用いて条件付きモーメント条件をうまく近似する手法を提案する。 提案手法により,無条件モーメント条件,例えば一般化モーメント法などの因果パラメータを簡便に推定する手法を採用することができる。 実験では,提案手法が既存手法とよく比較できることを確認した。

関連論文リスト

• Chain of Condition: Construct, Verify and Solve Conditions for Conditional Question Answering [34.599299893060895]
  条件付き質問応答(CQA)は、可能な回答を見つけ、不足した条件を特定することを目的とした重要なタスクである。 既存のアプローチは,(1)必要な条件と論理的関係を正確に同定し,(2)不足しているものを検出するための条件を検証するという2つの課題により,CQAと競合する。 本論文では,まずすべての条件を同定し,それらの論理的関係を文書に従って明示的に構築することで,新しい条件の連鎖を創出する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-10T05:09:11Z)
• Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
  本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。 我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-07-01T20:44:48Z)
• User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
  拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。 本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。 推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
  論文  参考訳（メタデータ） (2023-06-13T03:42:03Z)
• Resilient Constrained Learning [94.27081585149836]
  本稿では,学習課題を同時に解決しながら,要求に適応する制約付き学習手法を提案する。 我々はこの手法を、その操作を変更することで破壊に適応する生態システムを記述する用語に因んで、レジリエントな制約付き学習と呼ぶ。
  論文  参考訳（メタデータ） (2023-06-04T18:14:18Z)
• Minimax Instrumental Variable Regression and $L_2$ Convergence Guarantees without Identification or Closedness [71.42652863687117]
  インストゥルメンタル変数(IV)回帰の非パラメトリック推定について検討した。 固定IV解に収束できる新しいペナル化ミニマックス推定器を提案する。 ラックス条件下での推定値に対して強い$L$誤差率を導出する。
  論文  参考訳（メタデータ） (2023-02-10T18:08:49Z)
• Convergence and Optimality of Policy Gradient Methods in Weakly Smooth Settings [17.437408088239142]
  我々は不透明な条件に頼らずに政策勾配法の明確な収束率を確立する。 また, ニアリニアMDPのエルゴディディディティに対する十分条件を特徴付ける。 収束政策の最適性に関する条件と分析を提供する。
  論文  参考訳（メタデータ） (2021-10-30T06:31:01Z)
• Situated Conditional Reasoning [10.828616610785524]
  本研究では,状況に基づく条件を一連の仮定で記述できることを示す。 次に、位置条件付き知識ベースに対するエンテーメントの形式を定義し、最小のクロージャ(minimum closure)と呼ぶ。
  論文  参考訳（メタデータ） (2021-09-03T14:23:18Z)
• A geometric approach to conditioning belief functions [7.655239948659381]
  本稿では,すべての信念関数の空間における条件付けイベントに関連する単純度に幾何学的に投影した上で,信念関数の条件付けに対するアプローチを提案する。 ここで,このような幾何学的条件付けアプローチは,信念の程度の観点から,単純な解釈による単純な結果を生み出すことが多いことを示す。
  論文  参考訳（メタデータ） (2021-04-21T17:24:19Z)
• The Variational Method of Moments [65.91730154730905]
  条件モーメント問題は、観測可能量の観点から構造因果パラメータを記述するための強力な定式化である。 OWGMMの変動最小値再構成により、条件モーメント問題に対する非常に一般的な推定器のクラスを定義する。 同じ種類の変分変換に基づく統計的推測のためのアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-12-17T07:21:06Z)
• Composing Normalizing Flows for Inverse Problems [89.06155049265641]
  本稿では,2つの流れモデルの合成として,対象条件を推定する近似推論フレームワークを提案する。 本手法は,様々な逆問題に対して評価し,不確実性のある高品質な試料を作製することを示した。
  論文  参考訳（メタデータ） (2020-02-26T19:01:11Z)

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。