論文の概要: Complete Characterization for Adjustment in Summary Causal Graphs of Time Series
- arxiv url: http://arxiv.org/abs/2506.14534v1
- Date: Tue, 17 Jun 2025 14:00:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-18 17:34:59.501173
- Title: Complete Characterization for Adjustment in Summary Causal Graphs of Time Series
- Title（参考訳）: 時系列の概要因果グラフにおける調整の完全性
- Authors: Clément Yvernes, Emilie Devijver, Eric Gaussier,
- Abstract要約: 介入の識別可能性問題は、完全な因果効果が自由な公式で書けるかどうかを評価することを目的としており、観察データのみから推定される。
本稿では,実因果グラフの抽象化のみを要約因果グラフとして利用できる時系列の文脈において,複数の介入を考慮し,この問題を考察する。
本稿では、この設定で完全であることが示されている調整基準の必要条件と十分な条件の両方を提案し、クエリが識別可能か否かを判断するための擬似線形アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 2.1711205684359243
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The identifiability problem for interventions aims at assessing whether the total causal effect can be written with a do-free formula, and thus be estimated from observational data only. We study this problem, considering multiple interventions, in the context of time series when only an abstraction of the true causal graph, in the form of a summary causal graph, is available. We propose in particular both necessary and sufficient conditions for the adjustment criterion, which we show is complete in this setting, and provide a pseudo-linear algorithm to decide whether the query is identifiable or not.
- Abstract（参考訳）: 介入の識別可能性問題は、完全な因果効果が自由な公式で書けるかどうかを評価することを目的としており、観察データのみから推定される。
本稿では,実因果グラフの抽象化のみを要約因果グラフとして利用できる時系列の文脈において,複数の介入を考慮し,この問題を考察する。
本稿では、この設定で完全であることが示されている調整基準の必要条件と十分な条件の両方を提案し、クエリが識別可能か否かを判断するための擬似線形アルゴリズムを提案する。
関連論文リスト
- Towards identifiability of micro total effects in summary causal graphs with latent confounding: extension of the front-door criterion [1.0878040851638]
研究者はしばしば、これらの効果が観測データから特定できるかどうかを因果グラフに頼っている。
本稿では, 動的システムにおいて, 特定かつよく知られた部分的グラフを用いて, 全効果を同定する課題について述べる。
論文 参考訳（メタデータ） (2024-06-09T14:43:06Z) - Towards Self-Interpretable Graph-Level Anomaly Detection [73.1152604947837]
グラフレベルの異常検出(GLAD)は、コレクションの大多数と比べて顕著な相違を示すグラフを識別することを目的としている。
本稿では,異常なグラフを検出し,同時に情報的説明を生成する自己解釈グラフaNomaly dETectionモデル(SIGNET)を提案する。
論文 参考訳（メタデータ） (2023-10-25T10:10:07Z) - Identifiability of total effects from abstractions of time series causal graphs [2.5515299924109858]
本研究では,観測時系列からの介入による全効果の同定可能性の問題について検討する。
我々は、拡張された要約因果グラフと要約因果グラフの2つの抽象概念を考察する。
論文 参考訳（メタデータ） (2023-10-23T08:31:26Z) - Predictive Coding beyond Correlations [59.47245250412873]
このようなアルゴリズムのうちの1つは、予測符号化と呼ばれ、因果推論タスクを実行することができるかを示す。
まず、予測符号化の推論過程における簡単な変化が、因果グラフを再利用したり再定義したりすることなく、介入を計算できることを示す。
論文 参考訳（メタデータ） (2023-06-27T13:57:16Z) - 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) - 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) - Deconfounded Score Method: Scoring DAGs with Dense Unobserved
Confounding [101.35070661471124]
本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。
汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-28T11:07:59Z)
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。