論文の概要: Quickest Causal Change Point Detection by Adaptive Intervention

• arxiv url: http://arxiv.org/abs/2506.07760v1
• Date: Mon, 09 Jun 2025 13:39:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.976593
• Title: Quickest Causal Change Point Detection by Adaptive Intervention
• Title（参考訳）: 適応的介入による素早い因果変化点検出
• Authors: Haijie Xu, Chen Zhang,
• Abstract要約: 2つのモニタリング手法が提案され、それぞれが適応的介入ポリシーを用いて探索と搾取のバランスをとる。 提案手法の1次最適性を理論的に実証し、シミュレーションデータセットと2つの実世界のケーススタディを用いてそれらの特性を検証する。
• 参考スコア（独自算出の注目度）: 5.858447612884839
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an algorithm for change point monitoring in linear causal models that accounts for interventions. Through a special centralization technique, we can concentrate the changes arising from causal propagation across nodes into a single dimension. Additionally, by selecting appropriate intervention nodes based on Kullback-Leibler divergence, we can amplify the change magnitude. We also present an algorithm for selecting the intervention values, which aids in the identification of the most effective intervention nodes. Two monitoring methods are proposed, each with an adaptive intervention policy to make a balance between exploration and exploitation. We theoretically demonstrate the first-order optimality of the proposed methods and validate their properties using simulation datasets and two real-world case studies.
• Abstract（参考訳）: 本稿では,介入を考慮した線形因果モデルにおける変化点モニタリングのアルゴリズムを提案する。 特別な集中化手法により、ノード間の因果伝播に起因する変化を1次元に集約することができる。 さらに、Kullback-Leibler分散に基づいて適切な介入ノードを選択することで、変更の規模を増幅することができる。 また,最も有効な介入ノードの同定を支援する介入値を選択するアルゴリズムを提案する。 2つのモニタリング手法が提案され、それぞれが適応的介入ポリシーを用いて探索と搾取のバランスをとる。 提案手法の1次最適性を理論的に実証し、シミュレーションデータセットと2つの実世界のケーススタディを用いてそれらの特性を検証する。

関連論文リスト

• Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
  連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。 私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。 FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
  論文  参考訳（メタデータ） (2025-06-03T05:27:56Z)
• From Observation to Orientation: an Adaptive Integer Programming Approach to Intervention Design [3.2513035377783717]
  独自の適応的介入設計パラダイムが提示され、因果方向の非循環グラフ(DAG)が実用的な予算的考察によって効果的に回収される。 反復整数プログラミング(IP)アプローチが提案され、必要な実験の数を劇的に削減する。 その結果,適応型IP手法は,ランダムな介入ベースラインよりも介入反復や変動操作が少なく,完全な因果グラフ回復を実現することがわかった。
  論文  参考訳（メタデータ） (2025-04-04T02:35:35Z)
• ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
  因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。 提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
  論文  参考訳（メタデータ） (2024-02-22T13:22:06Z)
• Active Learning for Optimal Intervention Design in Causal Models [11.294389953686945]
  本研究は、最適介入を特定するための因果的アクティブラーニング戦略を開発し、分布のインターベンショナル平均と所望の目標平均との相違によって測定した。 本研究では、Perturb-CITE-seq実験から得られた合成データと単細胞転写データの両方にアプローチを適用し、特定の細胞状態遷移を誘導する最適な摂動を同定する。
  論文  参考訳（メタデータ） (2022-09-10T20:40:30Z)

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。