論文の概要: A Survey of Deep Causal Model
- arxiv url: http://arxiv.org/abs/2209.08860v1
- Date: Mon, 19 Sep 2022 09:05:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 16:32:22.023571
- Title: A Survey of Deep Causal Model
- Title（参考訳）: 深部因果モデルに関する調査
- Authors: Zongyu Li and Zhenfeng Zhu
- Abstract要約: 本稿では,深い因果関係モデルについて調査する。
複数の治療と連続投与で関連する指標を提供する。
本稿では、時間的発達と方法分類の観点から、深い因果モデルの概要を包括的に紹介する。
- 参考スコア（独自算出の注目度）: 6.614384857200187
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The concept of causality plays an important role in human cognition . In the
past few decades, causal inference has been well developed in many fields, such
as computer science, medicine, economics, and education. With the advancement
of deep learning techniques, it has been increasingly used in causal inference
against counterfactual data. Typically, deep causal models map the
characteristics of covariates to a representation space and then design various
objective optimization functions to estimate counterfactual data unbiasedly
based on the different optimization methods. This paper focuses on the survey
of the deep causal models, and its core contributions are as follows: 1) we
provide relevant metrics under multiple treatments and continuous-dose
treatment; 2) we incorporate a comprehensive overview of deep causal models
from both temporal development and method classification perspectives; 3) we
assist a detailed and comprehensive classification and analysis of relevant
datasets and source code.
- Abstract（参考訳）: 因果性の概念は人間の認知において重要な役割を果たす。
過去数十年間、因果推論はコンピュータ科学、医学、経済学、教育など多くの分野でよく開発されてきた。
深層学習技術の進歩に伴い、反事実データに対する因果推論に利用されるようになった。
通常、深い因果モデルでは、共変量の特徴を表現空間にマッピングし、様々な目的最適化関数を設計し、異なる最適化手法に基づいて非バイアスに反事実データを推定する。
本稿では, 深部因果モデルの調査に焦点をあて, その中核となる貢献は次のとおりである。
1)複数治療および連続投与時の関連指標を提供する。
2) 時間的発達と方法分類の観点から, 深い因果モデルの包括的概要を取り入れた。
3)関連するデータセットとソースコードの詳細な分類と解析を支援する。
関連論文リスト
- Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。
最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。
以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - A Survey on Causal Discovery: Theory and Practice [2.741266294612776]
因果推論は、原因とその影響を結びつける基礎となる関係を定量化するように設計されている。
本稿では,最近の進歩を統一的に検討し,既存のアルゴリズムを一貫した概要を提供し,有用なツールやデータを報告する。
論文 参考訳（メタデータ） (2023-05-17T08:18:56Z) - Quantify the Causes of Causal Emergence: Critical Conditions of
Uncertainty and Asymmetry in Causal Structure [0.5372002358734439]
統計的および情報理論に基づく因果関係の調査は、大規模モデルに興味深い、価値のある課題を提起している。
本稿では,その発生の理論的制約として,因果関係の数値的条件を評価するための枠組みを提案する。
論文 参考訳（メタデータ） (2022-12-03T06:35:54Z) - Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
本稿では,ニューラルモデルによる反事実文の評価について検討する。
まず、神経因果モデル(NCM)が十分に表現可能であることを示す。
第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-09-30T18:29:09Z) - Data-Driven Causal Effect Estimation Based on Graphical Causal
Modelling: A Survey [30.115088044583953]
グラフィカル因果モデルを用いた因果効果推定におけるデータ駆動手法について検討する。
我々は、データ駆動因果効果推定が直面する課題を特定し、議論する。
このレビューは、より多くの研究者がより良いデータ駆動手法を設計する動機になることを期待しています。
論文 参考訳（メタデータ） (2022-08-20T03:25:58Z) - 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) - Instance-wise or Class-wise? A Tale of Neighbor Shapley for
Concept-based Explanation [37.033629287045784]
ディープニューラルネットワークは多くのデータ駆動型および予測指向のアプリケーションで顕著なパフォーマンスを示している。
彼らの最も大きな欠点は、解釈可能性の欠如である。
論文 参考訳（メタデータ） (2021-09-03T08:34:37Z) - Towards Causal Representation Learning [96.110881654479]
機械学習とグラフィカル因果関係の2つの分野が生まれ、別々に発展した。
現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
論文 参考訳（メタデータ） (2021-02-22T15:26:57Z) - Plausible Counterfactuals: Auditing Deep Learning Classifiers with
Realistic Adversarial Examples [84.8370546614042]
ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。
GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。
その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
論文 参考訳（メタデータ） (2020-03-25T11:08:56Z) - Uncovering the Data-Related Limits of Human Reasoning Research: An
Analysis based on Recommender Systems [1.7478203318226309]
認知科学は、理論駆動の観点から人間のような知性をモデル化する目的を追求している。
ソロジック推論は人間の推論研究のコアドメインの1つである。
最近のモデルの性能予測の結果、改善の停滞が明らかになった。
論文 参考訳（メタデータ） (2020-03-11T10:12:35Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。