論文の概要: Functional Causal Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2306.06409v1
• Date: Sat, 10 Jun 2023 11:02:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 19:03:39.322244
• Title: Functional Causal Bayesian Optimization
• Title（参考訳）: 関数因果ベイズ最適化
• Authors: Limor Gultchin and Virginia Aglietti and Alexis Bellot and Silvia Chiappa
• Abstract要約: fCBOは、既知の因果グラフでターゲット変数を最適化する介入を見つける方法である。 機能的介入を検討する際に確立されるグラフィカルな基準と、選択された介入が条件的標的効果に最適である条件を導入する。
• 参考スコア（独自算出の注目度）: 21.67333624383642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose functional causal Bayesian optimization (fCBO), a method for finding interventions that optimize a target variable in a known causal graph. fCBO extends the CBO family of methods to enable functional interventions, which set a variable to be a deterministic function of other variables in the graph. fCBO models the unknown objectives with Gaussian processes whose inputs are defined in a reproducing kernel Hilbert space, thus allowing to compute distances among vector-valued functions. In turn, this enables to sequentially select functions to explore by maximizing an expected improvement acquisition functional while keeping the typical computational tractability of standard BO settings. We introduce graphical criteria that establish when considering functional interventions allows attaining better target effects, and conditions under which selected interventions are also optimal for conditional target effects. We demonstrate the benefits of the method in a synthetic and in a real-world causal graph.
• Abstract（参考訳）: 本稿では,既知の因果グラフにおいて目標変数を最適化する介入を探索する手法である関数因果ベイズ最適化(fcbo)を提案する。 fcboはcboファミリを拡張して関数的介入を可能にし、変数をグラフ内の他の変数の決定論的関数に設定する。 fCBOは、再生カーネルヒルベルト空間で入力が定義されるガウス過程で未知の目的をモデル化し、ベクトル値関数間の距離を計算することができる。 これにより、標準的なBO設定の典型的な計算トラクタビリティを維持しつつ、期待される改善獲得関数を最大化することにより、シーケンシャルに探索する関数を選択できる。 機能的介入を考慮した場合、より良い目標効果が得られ、選択された介入が条件的目標効果に最適である条件も導入する。 本手法の利点を合成と実世界の因果グラフで示す。

関連論文リスト

• Optimal Kernel Choice for Score Function-based Causal Discovery [92.65034439889872]
  本稿では,データに最も適合する最適なカーネルを自動的に選択する,一般化スコア関数内のカーネル選択手法を提案する。 合成データと実世界のベンチマークの両方で実験を行い,提案手法がカーネル選択法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-14T09:32:20Z)
• Bayesian Optimisation of Functions on Graphs [33.97967750232631]
  一般,大規模,潜在的に未知のグラフ上で定義された関数を最適化する新しいベイズ最適化フレームワークを提案する。 グラフ上の適切なカーネルの学習を通じて、我々のフレームワークは対象関数の振る舞いに適応する利点がある。 局所モデリング手法は,提案手法の効率性をさらに保証する。
  論文  参考訳（メタデータ） (2023-06-08T15:50:35Z)
• Constrained Causal Bayesian Optimization [9.409281517596396]
  cCBOはまず、グラフ構造を利用して探索空間を減らし、もし可能であれば観測データセットを作成する。 実世界の因果グラフ上でcCBOを評価し, 高速収束と実現可能な介入の比率のトレードオフが成功したことを示す。
  論文  参考訳（メタデータ） (2023-05-31T16:34:58Z)
• Promises and Pitfalls of the Linearized Laplace in Bayesian Optimization [73.80101701431103]
  線形化ラプラス近似(LLA)はベイズニューラルネットワークの構築に有効で効率的であることが示されている。 ベイズ最適化におけるLLAの有用性について検討し,その性能と柔軟性を強調した。
  論文  参考訳（メタデータ） (2023-04-17T14:23:43Z)
• Model-based Causal Bayesian Optimization [78.120734120667]
  モデルに基づく因果ベイズ最適化(MCBO)を提案する。 MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。 標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
  論文  参考訳（メタデータ） (2022-11-18T14:28:21Z)
• Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
  統計的決定論の研究からシャノンエントロピーの一般化を考える。 まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。 次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
  論文  参考訳（メタデータ） (2022-10-04T04:43:58Z)
• Batch Bayesian Optimization via Particle Gradient Flows [0.5735035463793008]
  ブラックボックスとしてしか利用できない,あるいは評価に費用がかかる対象関数のグローバルな最適化方法を示す。 確率測度の空間上の多点予測確率に基づく新しい関数を構築する。
  論文  参考訳（メタデータ） (2022-09-10T18:10:15Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• A General Recipe for Likelihood-free Bayesian Optimization [115.82591413062546]
  我々は,BOをより広範なモデルやユーティリティに拡張する可能性のないBO(LFBO)を提案する。 LFBOは、確率的代理モデルと個別に推論を行うことなく、取得関数を直接モデル化する。 LFBOにおける取得関数の計算は、重み付けされた分類問題を最適化することで削減できることを示す。
  論文  参考訳（メタデータ） (2022-06-27T03:55:27Z)
• Causal Bayesian Optimization [8.958125394444679]
  本研究では、介入の順序が実行される因果モデルの一部である関心の変数をグローバルに最適化する問題について検討する。 私たちのアプローチは、因果推論、不確実性定量化、シーケンシャルな意思決定といったアイデアを組み合わせています。 因果グラフを理解することで、最適な意思決定戦略を推論する能力が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2020-05-24T13:20:50Z)
• Composition of kernel and acquisition functions for High Dimensional Bayesian Optimization [0.1749935196721634]
  目的関数の追加性を用いて、ベイズ最適化のカーネルと取得関数の両方をマッピングする。 このap-proachは確率的代理モデルの学習/更新をより効率的にする。 都市給水システムにおけるポンプの制御を実運用に適用するための結果が提示された。
  論文  参考訳（メタデータ） (2020-03-09T15:45:57Z)

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。