論文の概要: ExDBN: Exact learning of Dynamic Bayesian Networks

• arxiv url: http://arxiv.org/abs/2410.16100v1
• Date: Mon, 21 Oct 2024 15:27:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:20:53.956298
• Title: ExDBN: Exact learning of Dynamic Bayesian Networks
• Title（参考訳）: ExDBN:動的ベイズネットワークの厳密な学習
• Authors: Pavel Rytíř, Aleš Wodecki, Georgios Korpas, Jakub Mareček,
• Abstract要約: 本稿では,データから因果学習を行うためのスコアベースの学習手法を提案する。 提案手法は, 最大25の時系列の小型・中規模の合成インスタンスに適用した場合, 優れた結果が得られた。 バイオサイエンスとファイナンスにおける2つの興味深い応用は、この方法を直接適用することで、高度に正確でグローバルに収束した解法を開発する機会をさらに強調するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Causal learning from data has received much attention in recent years. One way of capturing causal relationships is by utilizing Bayesian networks. There, one recovers a weighted directed acyclic graph, in which random variables are represented by vertices, and the weights associated with each edge represent the strengths of the causal relationships between them. This concept is extended to capture dynamic effects by introducing a dependency on past data, which may be captured by the structural equation model, which is utilized in the present contribution to formulate a score-based learning approach. A mixed-integer quadratic program is formulated and an algorithmic solution proposed, in which the pre-generation of exponentially many acyclicity constraints is avoided by utilizing the so-called branch-and-cut ("lazy constraint") method. Comparing the novel approach to the state of the art, we show that the proposed approach turns out to produce excellent results when applied to small and medium-sized synthetic instances of up to 25 time-series. Lastly, two interesting applications in bio-science and finance, to which the method is directly applied, further stress the opportunities in developing highly accurate, globally convergent solvers that can handle modest instances.
• Abstract（参考訳）: 近年,データからの因果学習が注目されている。 因果関係を捉える一つの方法はベイジアンネットワークを利用することである。 そこで、ランダム変数が頂点で表される重み付き有向非巡回グラフを復元し、各辺に関連する重みはそれらの間の因果関係の強さを表す。 この概念は、過去のデータに依存することによって動的効果を捉えるために拡張され、これは、現在、スコアベースの学習アプローチの定式化に使われている構造方程式モデルによって捉えることができる。 混合整数二次プログラムを定式化し, 指数関数的に多くの非循環性制約の事前生成を, いわゆるブランチ・アンド・カット(遅延制約)法を用いて回避するアルゴリズム的解法を提案する。 提案手法は, 最新技術に対する新しいアプローチと比較して, 最大25の時系列の小型・中規模の合成インスタンスに適用した場合, 優れた結果が得られることがわかった。 最後に、バイオサイエンスとファイナンスにおける2つの興味深い応用により、この手法が直接適用され、モデストインスタンスを扱える高度に正確でグローバルに収束した解法を開発する機会をさらに強調する。

関連論文リスト

• Differentiable Bayesian Structure Learning with Acyclicity Assurance [7.568978862189266]
  トポロジ的順序付けからの知識の統合によりグラフの非巡回性を厳格に制限する代替手法を提案する。 提案手法は、生成したグラフの構造が非循環であることを保証しながら、推論の複雑さを低減することができる。
  論文  参考訳（メタデータ） (2023-09-04T06:44:46Z)
• ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
  チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。 我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
  論文  参考訳（メタデータ） (2023-04-07T15:17:48Z)
• Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
  本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。 本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
  論文  参考訳（メタデータ） (2022-02-05T08:21:04Z)
• Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
  我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。 これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。 これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-14T00:53:03Z)
• One-shot Learning for Temporal Knowledge Graphs [49.41854171118697]
  時間的知識グラフにおけるリンク予測のためのワンショット学習フレームワークを提案する。 提案手法は,実体間の時間的相互作用を効果的に符号化する自己認識機構を用いる。 実験の結果,提案アルゴリズムは2つのよく研究されたベンチマークにおいて,アートベースラインの状態よりも優れていた。
  論文  参考訳（メタデータ） (2020-10-23T03:24:44Z)
• Differentiable Causal Discovery from Interventional Data [141.41931444927184]
  本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。 提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
  論文  参考訳（メタデータ） (2020-07-03T15:19:17Z)
• Consistent Second-Order Conic Integer Programming for Learning Bayesian Networks [2.7473982588529653]
  連続観測データからBNのスパースDAG構造を学習する問題について検討する。 この数学的プログラムの最適解は、ある条件下では望ましい統計的性質を持つことが知られている。 ほぼ最適解を得るために, 分岐・結合プロセスの終了に向け, 早期停止条件を提案する。
  論文  参考訳（メタデータ） (2020-05-29T00:13:15Z)
• DYNOTEARS: Structure Learning from Time-Series Data [6.7638850283606855]
  時系列における変数間の同時(イントラスライス)と時間差(インタースライス)を同時に推定する手法を提案する。 動的ベイズネットワークを学習するための最先端の手法と比較して,本手法は実データに対してスケーラブルかつ正確である。
  論文  参考訳（メタデータ） (2020-02-02T21:47:48Z)
• Polynomial-Time Exact MAP Inference on Discrete Models with Global Dependencies [83.05591911173332]
  ジャンクションツリーアルゴリズムは、実行時の保証と正確なMAP推論のための最も一般的な解である。 本稿では,ノードのクローン化による新たなグラフ変換手法を提案する。
  論文  参考訳（メタデータ） (2019-12-27T13:30:29Z)

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。