論文の概要: Learning soft interventions in complex equilibrium systems
- arxiv url: http://arxiv.org/abs/2112.05729v1
- Date: Fri, 10 Dec 2021 18:33:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-13 15:30:42.482743
- Title: Learning soft interventions in complex equilibrium systems
- Title(参考訳): 複雑平衡系におけるソフト介入の学習
- Authors: Michel Besserve and Bernhard Sch\"olkopf
- Abstract要約: 我々はリー群に基づく微分可能な介入のための枠組みを確立する。
循環因果モデルにおける介入を最適化するために、現代の自動微分手法と暗黙の関数への応用を利用する。
- 参考スコア(独自算出の注目度): 2.2463154358632473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Complex systems often contain feedback loops that can be described as cyclic
causal models. Intervening in such systems may lead to counter-intuitive
effects, which cannot be inferred directly from the graph structure. After
establishing a framework for differentiable interventions based on Lie groups,
we take advantage of modern automatic differentiation techniques and their
application to implicit functions in order to optimize interventions in cyclic
causal models. We illustrate the use of this framework by investigating
scenarios of transition to sustainable economies.
- Abstract(参考訳): 複雑系はしばしば循環因果モデルとして記述できるフィードバックループを含む。
このようなシステムへの介入は、グラフ構造から直接推測できない反直感効果をもたらす可能性がある。
リー群に基づく微分可能介入の枠組みを確立後、近代的自動微分技術とその暗黙的機能への応用を利用して、循環因果モデルにおける介入の最適化を行う。
我々は、持続可能経済への移行シナリオを調査することにより、この枠組みの使用を説明する。
関連論文リスト
- Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse
Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。
本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。
学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文 参考訳(メタデータ) (2024-01-10T02:38:21Z) - Causal Temporal Regime Structure Learning [49.77103348208835]
本稿では,各レシスタンスに対してDAG(Directed Acyclic Graph)を同時に学習する,新たな最適化手法(線形)を提案する。
我々は広範囲な実験を行い、その手法が様々な環境における因果発見モデルより一貫して優れていることを示す。
論文 参考訳(メタデータ) (2023-11-02T17:26:49Z) - Inferring dynamic regulatory interaction graphs from time series data
with perturbations [14.935318448625718]
本稿では,複雑なシステムにおける時間変化の相互作用グラフを推定するためのRegulatory Temporal Interaction Network Inference (RiTINI)を提案する。
RiTINIは空間・時間グラフアテンションとグラフニューラル常微分方程式(ODE)を組み合わせた新しい組み合わせを用いる
我々は,様々なシミュレーションおよび実世界のデータセット上でのRiTINIの性能を評価する。
論文 参考訳(メタデータ) (2023-06-13T14:25:26Z) - Impact of conditional modelling for a universal autoregressive quantum
state [0.0]
ニューラルネットワークにおける畳み込み層の類似体としてフィルタを導入し、任意の量子状態に翻訳的対称性付き相関を組み込む。
得られた帰納バイアスが変動柔軟性,対称性,保存量に与える影響を解析した。
論文 参考訳(メタデータ) (2023-06-09T14:17:32Z) - Learning to Decouple Complex Systems [16.544684282277526]
本研究では,不規則なサンプルや散逸した逐次観測を扱うための逐次学習手法を提案する。
我々は、単純体の中で進化するメタシステムは射影微分方程式(ProjDEs)によって支配されると主張する。
論文 参考訳(メタデータ) (2023-02-03T07:24:58Z) - NODAGS-Flow: Nonlinear Cyclic Causal Structure Learning [8.20217860574125]
我々はNODAGS-Flowと呼ばれる介入データから非線形循環因果モデルを学習するための新しいフレームワークを提案する。
構造回復と予測性能に対する最先端手法と比較して,本手法による大幅な性能向上を示す。
論文 参考訳(メタデータ) (2023-01-04T23:28:18Z) - Decimation technique for open quantum systems: a case study with
driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。
本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。
本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文 参考訳(メタデータ) (2022-02-15T19:00:09Z) - Towards Robust and Adaptive Motion Forecasting: A Causal Representation
Perspective [72.55093886515824]
本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。
我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。
合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
論文 参考訳(メタデータ) (2021-11-29T18:59:09Z) - Adapted projection operator technique for the treatment of initial
correlations [0.0]
本稿では,システム環境相互作用の微視的モデリングに適用可能な摂動的手法を提案する。
提案手法は,従来の投射法よりも長期体制において期待される動的挙動を再現する2つのケーススタディによってさらに説明される。
論文 参考訳(メタデータ) (2021-07-28T18:01:12Z) - Discovering Latent Causal Variables via Mechanism Sparsity: A New
Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。
潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文 参考訳(メタデータ) (2021-07-21T14:22:14Z) - Estimating the Effects of Continuous-valued Interventions using
Generative Adversarial Networks [103.14809802212535]
我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。
我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。
継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-02-27T18:46:21Z)
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。