論文の概要: Causal structure learning with momentum: Sampling distributions over Markov Equivalence Classes of DAGs

• arxiv url: http://arxiv.org/abs/2310.05655v2
• Date: Tue, 27 Aug 2024 09:24:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-28 20:08:36.324995
• Title: Causal structure learning with momentum: Sampling distributions over Markov Equivalence Classes of DAGs
• Title（参考訳）: 運動量による因果構造学習:DAGのマルコフ等価クラス上のサンプリング分布
• Authors: Moritz Schauer, Marcel Wienöbst,
• Abstract要約: 我々はDAGのクラス上の確率分布を目標とする可逆的連続時間マルコフ連鎖を考案する。 我々はGES演算子のリスト、カウント、一様サンプリング、および可能な動作の適用のための新しいアルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 4.811183825795439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the context of inferring a Bayesian network structure (directed acyclic graph, DAG for short), we devise a non-reversible continuous time Markov chain, the ``Causal Zig-Zag sampler'', that targets a probability distribution over classes of observationally equivalent (Markov equivalent) DAGs. The classes are represented as completed partially directed acyclic graphs (CPDAGs). The non-reversible Markov chain relies on the operators used in Chickering's Greedy Equivalence Search (GES) and is endowed with a momentum variable, which improves mixing significantly as we show empirically. The possible target distributions include posterior distributions based on a prior over DAGs and a Markov equivalent likelihood. We offer an efficient implementation wherein we develop new algorithms for listing, counting, uniformly sampling, and applying possible moves of the GES operators, all of which significantly improve upon the state-of-the-art run-time.
• Abstract（参考訳）: ベイズネットワーク構造(略してDAG)を推定する文脈において、観測等価(マルコフ同値)DAGのクラス上の確率分布を目標とする可逆的連続時間マルコフ連鎖 `Causal Zig-Zag sampler'' を考案する。 クラスは完備部分有向非巡回グラフ(CPDAG)として表される。 非可逆マルコフ連鎖は、ChickeringのGreedy Equivalence Search (GES) で用いられる演算子に依存し、運動量変数が付与され、経験的に示されるように混合が著しく改善される。 可能な対象分布は、事前のDAGとマルコフ同値確率に基づく後続分布を含む。 我々は,GES演算子の動作をリストアップし,カウントし,一様にサンプリングし,適用するための新しいアルゴリズムを開発する,効率的な実装を提供する。

関連論文リスト

• Scalable Variational Causal Discovery Unconstrained by Acyclicity [6.954510776782872]
  観測データから得られた因果グラフ上の後部分布を学習するために,スケーラブルなベイズ的手法を提案する。 有効な非巡回因果グラフを生成することができる新しい微分可能なDAGサンプリング手法を提案する。 連続領域上の単純な変分分布を用いて因果グラフ上の後部分布をモデル化することができる。
  論文  参考訳（メタデータ） (2024-07-06T07:56:23Z)
• Variational DAG Estimation via State Augmentation With Stochastic Permutations [16.57658783816741]
  ベイズネットワークの構造を観測データから推定することは統計的かつ計算的に難しい問題である。 確率的推論の観点から、主な課題は(i) DAG 制約を満たすグラフ上の分布を表すこと、(ii) 基礎空間上の後方を推定することである。 そこで本稿では,DAGと置換の強化空間上に共同分布を定式化することにより,これらの課題に対処するアプローチを提案する。
  論文  参考訳（メタデータ） (2024-02-04T23:51:04Z)
• A Probabilistic Semi-Supervised Approach with Triplet Markov Chains [1.000779758350696]
  トリプルトマルコフ連鎖はシーケンシャルデータの一般的な生成モデルである。 パラメータ化マルコフ連鎖モデルを訓練するための変分ベイズ推定に基づく一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:34:20Z)
• Covariate shift in nonparametric regression with Markovian design [0.0]
  ナダラヤ・ワトソン核推定器の滑らかさリスクに対する収束速度は、ソースとターゲットマルコフ連鎖に関連する不変分布の類似性によって決定されることを示す。 我々は、Kpotufe と Martinet からの分布指数の概念を、一様エルゴードなマルコフ鎖の核移動指数に拡張する。
  論文  参考訳（メタデータ） (2023-07-17T14:24:27Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Score-Based Diffusion meets Annealed Importance Sampling [89.92133671626327]
  Annealed Importance Smpling はいまだに限界推定の最も効果的な方法の1つである。 我々は、スコアベース生成モデルにおける最近の進歩を活用し、AIS提案の最適拡張目標分布を近似する。
  論文  参考訳（メタデータ） (2022-08-16T12:13:29Z)
• Bayesian Structure Learning with Generative Flow Networks [85.84396514570373]
  ベイズ構造学習では、データから有向非巡回グラフ(DAG)上の分布を推定することに興味がある。 近年,ジェネレーティブ・フロー・ネットワーク(GFlowNets)と呼ばれる確率モデルのクラスが,ジェネレーティブ・モデリングの一般的なフレームワークとして紹介されている。 DAG-GFlowNetと呼ばれる本手法は,DAGよりも後方の正確な近似を提供する。
  論文  参考訳（メタデータ） (2022-02-28T15:53:10Z)
• BCD Nets: Scalable Variational Approaches for Bayesian Causal Discovery [97.79015388276483]
  構造方程式モデル(SEM)は、有向非巡回グラフ(DAG)を介して表される因果関係を推論する効果的な枠組みである。 近年の進歩により、観測データからDAGの有効最大点推定が可能となった。 線形ガウス SEM を特徴付ける DAG 上の分布を推定するための変分フレームワークである BCD Nets を提案する。
  論文  参考訳（メタデータ） (2021-12-06T03:35:21Z)
• Convergence of Recursive Stochastic Algorithms using Wasserstein Divergence [4.688616907736838]
  本研究では, 定常段差RSAの集団の収束が, この枠組みを用いて理解可能であることを示す。 本研究では, 定常段差RSAの集団の収束が, この枠組みを用いて理解可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-25T13:45:16Z)
• Embedding Graph Auto-Encoder for Graph Clustering [90.8576971748142]
  グラフ自動エンコーダ(GAE)モデルは、半教師付きグラフ畳み込みネットワーク(GCN)に基づく 我々は、グラフクラスタリングのための特定のGAEベースのモデルを設計し、その理論、すなわち、埋め込みグラフオートエンコーダ(EGAE)と整合する。 EGAEは1つのエンコーダと2つのデコーダで構成される。
  論文  参考訳（メタデータ） (2020-02-20T09:53:28Z)
• Block-Approximated Exponential Random Graphs [77.4792558024487]
  指数乱グラフ(ERG)の分野における重要な課題は、大きなグラフ上の非自明なERGの適合である。 本稿では,非自明なERGに対する近似フレームワークを提案する。 我々の手法は、数百万のノードからなるスパースグラフにスケーラブルである。
  論文  参考訳（メタデータ） (2020-02-14T11:42:16Z)

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。