論文の概要: Probabilistic Easy Variational Causal Effect
- arxiv url: http://arxiv.org/abs/2403.07745v1
- Date: Tue, 12 Mar 2024 15:28:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 21:06:43.378738
- Title: Probabilistic Easy Variational Causal Effect
- Title（参考訳）: 確率的容易な変動因果効果
- Authors: Usef Faghihi and Amir Saki
- Abstract要約: 我々は、因果関係の広い領域を扱うことができる因果関係推論の視点を開発する。
確率的変分因果効果(PEACE)と呼ばれる関数に着目する
PEACEは$Y$に対する$X$の直接的な因果効果を測定でき、$Z$の値を一定に保ちながら、継続的に、介入的に$X$の値を変更できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Let $X$ and $Z$ be random vectors, and $Y=g(X,Z)$. In this paper, on the one
hand, for the case that $X$ and $Z$ are continuous, by using the ideas from the
total variation and the flux of $g$, we develop a point of view in causal
inference capable of dealing with a broad domain of causal problems. Indeed, we
focus on a function, called Probabilistic Easy Variational Causal Effect
(PEACE), which can measure the direct causal effect of $X$ on $Y$ with respect
to continuously and interventionally changing the values of $X$ while keeping
the value of $Z$ constant. PEACE is a function of $d\ge 0$, which is a degree
managing the strengths of probability density values $f(x|z)$. On the other
hand, we generalize the above idea for the discrete case and show its
compatibility with the continuous case. Further, we investigate some properties
of PEACE using measure theoretical concepts. Furthermore, we provide some
identifiability criteria and several examples showing the generic capability of
PEACE. We note that PEACE can deal with the causal problems for which
micro-level or just macro-level changes in the value of the input variables are
important. Finally, PEACE is stable under small changes in $\partial
g_{in}/\partial x$ and the joint distribution of $X$ and $Z$, where $g_{in}$ is
obtained from $g$ by removing all functional relationships defining $X$ and
$Z$.
- Abstract（参考訳）: X$ と $Z$ をランダムベクトルとし、$Y=g(X,Z)$とする。
本稿では,x$ と $z$ が連続である場合,全変動と$g$ のフラックスを用いて,因果問題の広い領域を扱うことができる因果推論の視点を開発する。
実際、我々はProbabilistic Easy Variational Causal Effect (PEACE)と呼ばれる関数に注目しており、これは$Z$の値を一定に保ちながら、連続的かつ介入的に$X$の値を変更することに関して$X$の直接因果効果を測定することができる。
PEACE は $d\ge 0$ の関数であり、これは確率密度値 $f(x|z)$ の強みを管理する次数である。
一方、離散ケースに対する上記のアイデアを一般化し、連続ケースとの整合性を示す。
さらに,測定理論の概念を用いたPEACEの特性について検討する。
さらに,PEACEの汎用性を示す識別可能性基準といくつかの例を提示した。
我々は、peaceが、入力変数の値のマイクロレベルまたはマクロレベルの変更が重要である因果問題に対処する可能性があることに注意する。
最後に、peaceは$\partial g_{in}/\partial x$の小さな変更と$x$と$z$のジョイントディストリビューションの下で安定しており、$g_{in}$は$g$から、$x$と$z$を定義するすべての機能的関係を取り除いて得られる。
関連論文リスト
- Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。
適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
論文 参考訳（メタデータ） (2024-05-24T11:22:19Z) - Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit
Feedback and Unknown Transition [71.33787410075577]
線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。
我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-03-07T15:03:50Z) - Transfer Operators from Batches of Unpaired Points via Entropic
Transport Kernels [3.099885205621181]
そこで我々は,最大形推論関数を導出し,計算可能な近似を提案し,それらの特性を解析する。
我々は、ブロック数$N$が無限に近づくと、経験的近似から真の密度を回復できることを示す$Gamma$-convergenceの結果を証明する。
論文 参考訳（メタデータ） (2024-02-13T12:52:41Z) - Statistical Learning under Heterogeneous Distribution Shift [71.8393170225794]
ground-truth predictor is additive $mathbbE[mathbfz mid mathbfx,mathbfy] = f_star(mathbfx) +g_star(mathbfy)$.
論文 参考訳（メタデータ） (2023-02-27T16:34:21Z) - Simplest non-additive measures of quantum resources [77.34726150561087]
我々は $cal E(rhootimes N) = E(e;N) ne Ne$ で説明できる測度について研究する。
論文 参考訳（メタデータ） (2021-06-23T20:27:04Z) - Learning the optimal regularizer for inverse problems [1.763934678295407]
線形逆問題 $y=Ax+epsilon$ を考えると、$Acolon Xto Y$ は分離可能なヒルベルト空間 $X$ と $Y$ の間の既知の線型作用素である。
この設定は、デノイング、デブロアリング、X線トモグラフィーなど、画像のいくつかの逆問題を含んでいる。
古典的な正規化の枠組みの中では、正規化関数が優先順位を与えられず、データから学習される場合に焦点を当てる。
論文 参考訳（メタデータ） (2021-06-11T17:14:27Z) - Generalized Independent Noise Condition for Estimating Latent Variable
Causal Graphs [39.24319581164022]
潜在変数グラフを推定するための一般化独立雑音(GIN)条件を提案する。
GINは潜伏変数の探索と因果方向を含む因果構造の同定に有効であることを示す。
論文 参考訳（メタデータ） (2020-10-10T06:11:06Z) - The Sparse Hausdorff Moment Problem, with Application to Topic Models [5.151973524974052]
我々は$m=2k$iid二進確率変数のサンプルを用いて$k$-mixtureを同定するアルゴリズムを提案する。
加法精度$w_mincdotzetaO(k)$のモーメントを知るだけで十分である。
論文 参考訳（メタデータ） (2020-07-16T04:23:57Z) - Locally Private Hypothesis Selection [96.06118559817057]
我々は、$mathcalQ$から$p$までの総変動距離が最良の分布に匹敵する分布を出力する。
局所的な差分プライバシーの制約は、コストの急激な増加を引き起こすことを示す。
提案アルゴリズムは,従来手法のラウンド複雑性を指数関数的に改善する。
論文 参考訳（メタデータ） (2020-02-21T18:30:48Z) - Learning and Sampling of Atomic Interventions from Observations [11.522442415989818]
本研究では, 因果ベイズネットワークにおける観測サンプルを用いて, 介入が単一変数(原子介入)に与える影響を効率的に推定する問題について検討した。
我々のゴールは、非パラメトリックな設定で時間とサンプルの複雑さの両方で効率的なアルゴリズムを提供することです。
論文 参考訳（メタデータ） (2020-02-11T07:15:32Z) - Curse of Dimensionality on Randomized Smoothing for Certifiable
Robustness [151.67113334248464]
我々は、他の攻撃モデルに対してスムースな手法を拡張することは困難であることを示す。
我々はCIFARに関する実験結果を示し,その理論を検証した。
論文 参考訳（メタデータ） (2020-02-08T22:02:14Z)
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。