論文の概要: Constrained Identifiability of Causal Effects

• arxiv url: http://arxiv.org/abs/2412.02869v1
• Date: Tue, 03 Dec 2024 22:08:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:07:22.480173
• Title: Constrained Identifiability of Causal Effects
• Title（参考訳）: 因果効果の制約された識別可能性
• Authors: Yizuo Chen, Adnan Darwiche,
• Abstract要約: 本研究では,異なる種類の制約が存在する場合の因果的影響の同定について検討する。 制約の集合を古典的な識別可能性の定義への別の入力とする制約付き識別可能性の概念を定式化する。 我々は、このACベースのアプローチが、古典的識別可能性をテストするための既存のアルゴリズムと同程度に完全であることを示す。
• 参考スコア（独自算出の注目度）: 10.727328530242461
• License:
• Abstract: We study the identification of causal effects in the presence of different types of constraints (e.g., logical constraints) in addition to the causal graph. These constraints impose restrictions on the models (parameterizations) induced by the causal graph, reducing the set of models considered by the identifiability problem. We formalize the notion of constrained identifiability, which takes a set of constraints as another input to the classical definition of identifiability. We then introduce a framework for testing constrained identifiability by employing tractable Arithmetic Circuits (ACs), which enables us to accommodate constraints systematically. We show that this AC-based approach is at least as complete as existing algorithms (e.g., do-calculus) for testing classical identifiability, which only assumes the constraint of strict positivity. We use examples to demonstrate the effectiveness of this AC-based approach by showing that unidentifiable causal effects may become identifiable under different types of constraints.
• Abstract（参考訳）: 因果グラフに加え,異なる種類の制約(例えば,論理的制約)が存在する場合の因果効果の同定について検討した。 これらの制約は因果グラフによって誘導されるモデル(パラメータ化)に制限を課し、識別可能性問題によって考慮されるモデルの集合を減少させる。 制約の集合を古典的な識別可能性の定義への別の入力とする制約付き識別可能性の概念を定式化する。 そこで,我々は,制約を体系的に適応することのできる有理回路(AC)を用いることで,制約付き識別可能性をテストするためのフレームワークを導入する。 我々は、このACベースのアプローチが、古典的識別可能性をテストする既存のアルゴリズム(例えば、do-calculus)と同程度に完全であることを示し、これは厳密な正の制約を前提としている。 我々は、このACベースのアプローチの有効性を示すために、異なる種類の制約の下で不特定因果効果が識別可能であることを示す。

関連論文リスト

• Generalizing Constraint Models in Constraint Acquisition [6.305123652677644]
  制約獲得(CA:Constraint Acquisition)は、モデリングプロセスにおいてユーザを支援することによって制約プログラミングの利用を拡大することを目的としている。 多くのCAメソッドは、特定の問題インスタンスに対して1組の個々の制約を学習するが、これらの制約を問題のパラメータ化された制約仕様に一般化することはできない。 我々は、同じ問題の様々なインスタンスをモデル化できるパラメータ化制約モデルを学ぶための新しい手法GenConを提案する。
  論文  参考訳（メタデータ） (2024-12-19T15:31:29Z)
• Rethinking State Disentanglement in Causal Reinforcement Learning [78.12976579620165]
  因果性は、根底にある状態が識別可能性によって一意に回復できることを保証するための厳密な理論的支援を提供する。 我々はこの研究ラインを再考し、RL固有のコンテキストを取り入れることで、潜在状態に対する以前の識別可能性分析における不要な仮定を低減できることを示した。 本稿では, 従来手法の複雑な構造制約を, 遷移と報酬保存の2つの簡単な制約に置き換えることにより, 一般に部分的に観測可能なマルコフ決定過程(POMDP)を提案する。
  論文  参考訳（メタデータ） (2024-08-24T06:49:13Z)
• Error Detection and Constraint Recovery in Hierarchical Multi-Label Classification without Prior Knowledge [2.0007789979629784]
  本稿では,機械学習モデルの障害モードに関する説明可能なルールを学習可能なEDR(Error Detection Rules)に基づくアプローチを提案する。 提案手法は,機械学習の誤りの検出や制約の回復に有効であり,耐雑音性があり,複数のデータセット上でのニューロシンボリックモデルの知識源として機能することを示す。
  論文  参考訳（メタデータ） (2024-07-21T15:12:19Z)
• Generalized Criterion for Identifiability of Additive Noise Models Using Majorization [7.448620208767376]
  本稿では,有向非巡回グラフ(DAG)モデルに対する新しい識別可能性基準を提案する。 この基準が既存の識別可能性基準を拡張し、一般化することを実証する。 本稿では,変数のトポロジ的順序付けを学習するための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-08T02:18:57Z)
• Identifying Weight-Variant Latent Causal Models [82.14087963690561]
  推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。 いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。 本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-08-30T11:12:59Z)
• Effect Identification in Cluster Causal Diagrams [51.42809552422494]
  クラスタ因果図(略してC-DAG)と呼ばれる新しいタイプのグラフィカルモデルを導入する。 C-DAGは、限定された事前知識に基づいて変数間の関係を部分的に定義することができる。 我々はC-DAGに対する因果推論のための基礎と機械を開発する。
  論文  参考訳（メタデータ） (2022-02-22T21:27:31Z)
• An Efficient Diagnosis Algorithm for Inconsistent Constraint Sets [68.8204255655161]
  過制約問題における最小限の障害制約を識別する分割・分散型診断アルゴリズム(FastDiag)を提案する。 ヒットセットの競合指向計算とfastdiagを比較し,詳細な性能解析を行う。
  論文  参考訳（メタデータ） (2021-02-17T19:55:42Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)
• Deriving Bounds and Inequality Constraints Using LogicalRelations Among Counterfactuals [8.185725740857595]
  そこで我々は,因果モデルによる確率の規則と反事実の制約を用いて因果パラメータの境界を求める新しい手法を開発した。 このアプローチは、既知の鋭い境界と厳密な不等式制約を回復し、新しい境界と制約を導出するのに十分強力であることを示す。
  論文  参考訳（メタデータ） (2020-07-01T17:25:44Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)

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。