論文の概要: A Survey of Deep Causal Models and Their Industrial Applications
- arxiv url: http://arxiv.org/abs/2209.08860v5
- Date: Sat, 9 Dec 2023 03:35:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 23:05:57.669472
- Title: A Survey of Deep Causal Models and Their Industrial Applications
- Title（参考訳）: 深部因果モデルとその産業応用に関する調査研究
- Authors: Zongyu Li, Xiaobo Guo and Siwei Qiang
- Abstract要約: このレビューは主に、機械学習における深い因果モデルの概要に焦点を当てている。
産業における因果効果推定の典型的な応用について概説する。
- 参考スコア（独自算出の注目度）: 6.136479165368618
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The notion of causality assumes a paramount position within the realm of
human cognition. Over the past few decades, there has been significant
advancement in the domain of causal effect estimation across various
disciplines, including but not limited to computer science, medicine,
economics, and industrial applications. Given the continued advancements in
deep learning methodologies, there has been a notable surge in its utilization
for the estimation of causal effects using counterfactual data. Typically, deep
causal models map the characteristics of covariates to a representation space
and then design various objective functions to estimate counterfactual data
unbiasedly. Different from the existing surveys on causal models in machine
learning, this review mainly focuses on the overview of the deep causal models,
and its core contributions are as follows: 1) we cast insight on a
comprehensive overview of deep causal models from both timeline of development
and method classification perspectives; 2) we outline some typical applications
of causal effect estimation to industry; 3) we also endeavor to present a
detailed categorization and analysis on relevant datasets, source codes and
experiments.
- Abstract（参考訳）: 因果性の概念は、人間の認知の領域における最重要位置を仮定する。
過去数十年間、コンピュータ科学、医学、経済学、産業応用に限らず、様々な分野において因果効果の推定分野が著しく進歩してきた。
深層学習手法の進歩が続いていることを踏まえると, 因果効果の推定に反事実データを用いた利用が顕著に急増している。
典型的には、深い因果モデルは共変量の特性を表現空間にマッピングし、様々な客観的関数を設計して反事実データを不偏に推定する。
機械学習における因果モデルに関する既存の調査と異なり、このレビューは主に深層因果モデルの概要に焦点を当てており、その中核となる貢献は以下のとおりである。
1)開発スケジュールと方法分類の両視点から,深い因果モデルの包括的概要を考察した。
2) 産業への因果効果推定の典型的な応用について概説する。
3) 関連するデータセット,ソースコード,実験について,詳細な分類と分析を行う。
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。