論文の概要: Causal discovery with endogenous context variables

• arxiv url: http://arxiv.org/abs/2412.04981v1
• Date: Fri, 06 Dec 2024 12:01:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:54:59.036045
• Title: Causal discovery with endogenous context variables
• Title（参考訳）: 内因性文脈変数を用いた因果発見
• Authors: Wiebke Günther, Oana-Iuliana Popescu, Martin Rabel, Urmi Ninad, Andreas Gerhardus, Jakob Runge,
• Abstract要約: 本研究では,内因性文脈変数を持つシステムにおいて,制約に基づく文脈固有情報の因果発見の仮定について検討する。 マスクされたデータ上で異なるレギュレーショングラフを学習したり、すべてのデータをプールしたりといった、単純なアプローチは、非形式的な結果をもたらす可能性があることを示す。
• 参考スコア（独自算出の注目度）: 13.56980361903708
• License:
• Abstract: Causal systems often exhibit variations of the underlying causal mechanisms between the variables of the system. Often, these changes are driven by different environments or internal states in which the system operates, and we refer to context variables as those variables that indicate this change in causal mechanisms. An example are the causal relations in soil moisture-temperature interactions and their dependence on soil moisture regimes: Dry soil triggers a dependence of soil moisture on latent heat, while environments with wet soil do not feature such a feedback, making it a context-specific property. Crucially, a regime or context variable such as soil moisture need not be exogenous and can be influenced by the dynamical system variables - precipitation can make a dry soil wet - leading to joint systems with endogenous context variables. In this work we investigate the assumptions for constraint-based causal discovery of context-specific information in systems with endogenous context variables. We show that naive approaches such as learning different regime graphs on masked data, or pooling all data, can lead to uninformative results. We propose an adaptive constraint-based discovery algorithm and give a detailed discussion on the connection to structural causal models, including sufficiency assumptions, which allow to prove the soundness of our algorithm and to interpret the results causally. Numerical experiments demonstrate the performance of the proposed method over alternative baselines, but they also unveil current limitations of our method.
• Abstract（参考訳）: 因果系はしばしば、システムの変数間の根底にある因果機構のバリエーションを示す。 これらの変化は、システムの動作する異なる環境や内部状態によって駆動されることが多く、この変化を因果機構における変化を示す変数としてコンテキスト変数を参照する。 例えば、土壌の水分-温度相互作用の因果関係と土壌の水分状態への依存: 乾いた土壌は土壌の水分の潜熱への依存を引き起こすが、湿った土壌の環境はそのようなフィードバックを特徴とせず、文脈固有の性質である。 重要なことは、土壌水分のような状態や文脈変数は外生的に必要ではなく、動的システムの変数の影響を受けうる - 降水は乾燥した土壌を湿らせる可能性がある - が内生的な文脈変数と結合するシステムに繋がる。 本研究では,内因性文脈変数を持つシステムにおける制約に基づく文脈固有情報の因果的発見の仮定について検討する。 マスクされたデータ上で異なるレギュラーグラフを学習したり、すべてのデータをプールしたりといった単純なアプローチは、非形式的な結果をもたらす可能性があることを示す。 本稿では,適応制約に基づく探索アルゴリズムを提案し,構造因果モデルとの関係について詳細な考察を行う。 数値実験により,提案手法の代替ベースラインに対する性能を実証するが,提案手法の現在の限界も明らかにする。

関連論文リスト

• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Counterfactual-based Root Cause Analysis for Dynamical Systems [0.33748750222488655]
  本稿では,残留ニューラルネットワークを用いた根本原因同定手法を提案する。 構造方程式と外的影響に介入した場合に、より多くの根本原因が同定されることを示す。 本稿では,提案手法が実世界の河川データセットだけでなく,ベンチマーク・ダイナミック・システムにも有効であることを示す。
  論文  参考訳（メタデータ） (2024-06-12T11:38:13Z)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Marrying Causal Representation Learning with Dynamical Systems for Science [20.370707645572676]
  因果表現学習は、生の絡み合った測定から隠れた因果変数に因果モデルを拡張することを約束する。 本稿では,2つの仮定とそれらの重要な仮定との間に明確な関係を描いている。 我々は、より下流のタスクに対して、軌跡固有のパラメータを分離する制御可能なモデルを明示的に学習する。
  論文  参考訳（メタデータ） (2024-05-22T18:00:41Z)
• A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
  我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。 突発効果の非パラメトリック分解を可能にする最初の結果を証明する。 説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
  論文  参考訳（メタデータ） (2023-06-08T09:40:28Z)
• 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)
• Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
  我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。 我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
  論文  参考訳（メタデータ） (2021-01-17T07:48:45Z)
• Three-quarter Sibling Regression for Denoising Observational Data [24.91564825369108]
  半兄弟回帰」は、複数の独立確率変数の測定における系統的誤りを検出・訂正することができる。 一般的な原因によって制御される種数のモデリングを含む多くの状況には適用されない。 この制限を部分的に克服するために,「3/4兄弟回帰」と呼ばれる手法を提案する。
  論文  参考訳（メタデータ） (2020-12-31T21:18:01Z)
• Estimating Causal Effects with the Neural Autoregressive Density Estimator [6.59529078336196]
  我々は、Pearlのdo-calculusフレームワーク内の因果効果を推定するために、神経自己回帰密度推定器を使用する。 本手法は,変数間の相互作用を明示的にモデル化することなく,非線形システムから因果効果を抽出できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T13:12:38Z)
• Causal Discovery in Physical Systems from Videos [123.79211190669821]
  因果発見は人間の認知の中心にある。 本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
  論文  参考訳（メタデータ） (2020-07-01T17:29:57Z)

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。