論文の概要: Causal Inference via Predictive Coding
- arxiv url: http://arxiv.org/abs/2306.15479v1
- Date: Tue, 27 Jun 2023 13:57:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 13:23:11.295231
- Title: Causal Inference via Predictive Coding
- Title(参考訳): 予測符号化による因果推論
- Authors: Tommaso Salvatori, Luca Pinchetti, Amine M'Charrak, Beren Millidge,
Thomas Lukasiewicz
- Abstract要約: 因果グラフが知られているシナリオにおいて、予測符号化の推論過程における単純な変化が介入的および反事実的推論を可能にすることを示す。
その結果、予測符号化に基づく構造因果モデルにおいて、エンドツーエンドの因果推論を可能にする、新規で簡単な手法が得られた。
- 参考スコア(独自算出の注目度): 37.650855720435516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian and causal inference are fundamental processes for intelligence.
Bayesian inference models observations: what can be inferred about y if we
observe a related variable x? Causal inference models interventions: if we
directly change x, how will y change? Predictive coding is a
neuroscience-inspired method for performing Bayesian inference on continuous
state variables using local information only. In this work, we go beyond
Bayesian inference, and show how a simple change in the inference process of
predictive coding enables interventional and counterfactual inference in
scenarios where the causal graph is known. We then extend our results, and show
how predictive coding can be generalized to cases where this graph is unknown,
and has to be inferred from data, hence performing causal discovery. What
results is a novel and straightforward technique that allows us to perform
end-to-end causal inference on predictive-coding-based structural causal
models, and demonstrate its utility for potential applications in machine
learning.
- Abstract(参考訳): ベイジアンと因果推論は知能の基本的なプロセスである。
ベイズ推論モデル 観測: 関連する変数 x を観測すれば y について何を推測できるだろうか?
因果推論モデル 介入: 直接 x を変更すると、y はどのように変化するか?
予測符号化は、局所情報のみを使用して連続状態変数のベイズ推論を実行するための神経科学に触発された手法である。
本研究では,ベイズ推定を超越し,因果グラフが知られているシナリオにおいて,予測符号化の推論過程の単純な変化が介入的および反事実的推論を可能にしていることを示す。
そして、この結果を拡張し、このグラフが未知のケースにどのように予測的コーディングを一般化できるかを示し、データから推論し、因果発見を行う。
結果は、予測コーディングに基づく構造因果モデルでエンドツーエンド因果推論を実行し、機械学習の潜在的な用途にその有用性を示す、新規で分かりやすいテクニックである。
関連論文リスト
- Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳(メタデータ) (2023-06-09T08:30:51Z) - The Causal Neural Connection: Expressiveness, Learnability, and
Inference [125.57815987218756]
構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。
本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。
我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
論文 参考訳(メタデータ) (2021-07-02T01:55:18Z) - Variational Causal Networks: Approximate Bayesian Inference over Causal
Structures [132.74509389517203]
離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。
実験では,提案した変分後部が真の後部を良好に近似できることを示した。
論文 参考訳(メタデータ) (2021-06-14T17:52:49Z) - To do or not to do: finding causal relations in smart homes [2.064612766965483]
本稿では,環境と観測データの混合実験から因果モデルを学ぶための新しい手法を提案する。
我々の手法の核心は、選択された介入の使用であり、特に、介入が不可能な変数を考慮に入れた学習である。
本手法をスマートホームシミュレーション,すなわち因果関係を知ることが説明可能なシステムへの道を開くユースケースに応用する。
論文 参考訳(メタデータ) (2021-05-20T22:36:04Z) - Bayesian Model Averaging for Data Driven Decision Making when Causality
is Partially Known [0.0]
我々はベイズモデル平均化(BMA)のようなアンサンブル法を用いて因果グラフの集合を推定する。
潜在的な介入の期待値とリスクを明示的に計算して意思決定を行います。
論文 参考訳(メタデータ) (2021-05-12T01:55:45Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳(メタデータ) (2020-11-04T10:25:13Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳(メタデータ) (2020-07-01T17:29:57Z) - A Practical Introduction to Bayesian Estimation of Causal Effects:
Parametric and Nonparametric Approaches [0.0]
統計学の実践における因果関係のベイズ推定について紹介する。
パラメトリックモデルにおいて、先行モデルが縮尺と空間性を引き出す方法を示す。
ポイント処理および時間変化処理設定における推論について考察する。
論文 参考訳(メタデータ) (2020-04-15T22:32:16Z)
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。