論文の概要: Results on Counterfactual Invariance

• arxiv url: http://arxiv.org/abs/2307.08519v1
• Date: Mon, 17 Jul 2023 14:27:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 12:57:37.339521
• Title: Results on Counterfactual Invariance
• Title（参考訳）: 対物的不変性に関する結果
• Authors: Jake Fawkes, Robin J. Evans
• Abstract要約: 反事実的不変性は条件的独立を意味するが、条件的独立性は反事実的不変性を満たす度合いや可能性について何の意味も示さない。 離散因果モデルでは、反実不変函数は、しばしば特定の変数の函数、あるいは定数であるように制約される。
• 参考スコア（独自算出の注目度）: 3.616948583169635
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we provide a theoretical analysis of counterfactual invariance. We present a variety of existing definitions, study how they relate to each other and what their graphical implications are. We then turn to the current major question surrounding counterfactual invariance, how does it relate to conditional independence? We show that whilst counterfactual invariance implies conditional independence, conditional independence does not give any implications about the degree or likelihood of satisfying counterfactual invariance. Furthermore, we show that for discrete causal models counterfactually invariant functions are often constrained to be functions of particular variables, or even constant.
• Abstract（参考訳）: 本稿では,反実的不変性の理論的解析を行う。 我々は既存の様々な定義を提示し、それらの相互関係とそれらのグラフィカルな意味について研究する。 次に、カウンターファクトの不変性に関する現在の主要な疑問に目を向けます。 反事実的不変性は条件的独立を意味するが、条件的独立性は反事実的不変性を満たす度合いや可能性について何の意味も示さない。 さらに, 離散因果モデルにおいては, 反事実的不変関数は, 特定の変数や定数の関数に制約されることがしばしばある。

関連論文リスト

• Defining and Measuring Disentanglement for non-Independent Factors of Variation [9.452311793803803]
  変動要因が独立していない場合に有効である情報理論に基づく絡み合いの定義を与える。 変動要因が独立でない場合に作用する所定の定義から乱れ度を測定する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-13T16:30:36Z)
• Invariance & Causal Representation Learning: Prospects and Limitations [15.935205681539145]
  因果モデルでは、与えられたメカニズムは他のメカニズムの変化に不変であると仮定される。 因果変数を同定するには不変性だけでは不十分であることを示す。
  論文  参考訳（メタデータ） (2023-12-06T16:16:31Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• On the Strong Correlation Between Model Invariance and Generalization [54.812786542023325]
  一般化は、見えないデータを分類するモデルの能力をキャプチャする。 不変性はデータの変換におけるモデル予測の一貫性を測定する。 データセット中心の視点から、あるモデルの精度と不変性は異なるテストセット上で線形に相関している。
  論文  参考訳（メタデータ） (2022-07-14T17:08:25Z)
• Diagonal Nonlinear Transformations Preserve Structure in Covariance and Precision Matrices [3.652509571098291]
  ある種の非ガウス分布に対して、対応は、共分散に対して、そしてほぼ精度のために、依然として保持される。 分布は「非正規」と呼ばれ、多変量正規確率変数の対角変換によって与えられる。
  論文  参考訳（メタデータ） (2021-07-08T22:31:48Z)
• Counterfactual Invariance to Spurious Correlations: Why and How to Pass Stress Tests [87.60900567941428]
  素早い相関」とは、アナリストが重要とすべきでないと考える入力データのある側面に対するモデルの依存である。 機械学習では、これらにはノウ・イ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ」という特徴がある。 因果推論ツールを用いたストレステストについて検討した。
  論文  参考訳（メタデータ） (2021-05-31T14:39:38Z)
• Transitional Conditional Independence [0.0]
  遷移確率空間と遷移確率変数を紹介する。 これらの構造は(条件付き)ランダム変数と非確率変数の概念を一般化し、強化し、以前の概念である。
  論文  参考訳（メタデータ） (2021-04-23T11:52:15Z)
• 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)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)
• CausalVAE: Structured Causal Disentanglement in Variational Autoencoder [52.139696854386976]
  変分オートエンコーダ(VAE)の枠組みは、観測から独立した因子をアンタングルするために一般的に用いられる。 本稿では, 因果内因性因子を因果内因性因子に変換する因果層を含むVOEベースの新しいフレームワークCausalVAEを提案する。 その結果、CausalVAEが学習した因果表現は意味論的に解釈可能であり、DAG(Directed Acyclic Graph)としての因果関係は精度良く同定された。
  論文  参考訳（メタデータ） (2020-04-18T20:09:34Z)

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。