論文の概要: Identifiability by common backdoor in summary causal graphs of time series

• arxiv url: http://arxiv.org/abs/2506.14862v1
• Date: Tue, 17 Jun 2025 17:37:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.43805
• Title: Identifiability by common backdoor in summary causal graphs of time series
• Title（参考訳）: 時系列の要約因果グラフにおける共通バックドアによる識別可能性
• Authors: Clément Yvernes, Charles K. Assaad, Emilie Devijver, Eric Gaussier,
• Abstract要約: 介入に対する識別可能性問題は、与えられた介入の合計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計算される。 本稿では,複数の介入や多重効果を考慮して,真の因果グラフを要約した要約因果グラフの抽象化のみが可能となる時系列の文脈において,この問題を考察する。 本研究は,共通のバックドア集合による識別可能性に着目し,時間的・一貫性のない時系列に対して,そのような集合が存在する条件を確立する。
• 参考スコア（独自算出の注目度）: 2.737398629157413
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The identifiability problem for interventions aims at assessing whether the total effect of some given interventions can be written with a do-free formula, and thus be computed from observational data only. We study this problem, considering multiple interventions and multiple effects, in the context of time series when only abstractions of the true causal graph in the form of summary causal graphs are available. We focus in this study on identifiability by a common backdoor set, and establish, for time series with and without consistency throughout time, conditions under which such a set exists. We also provide algorithms of limited complexity to decide whether the problem is identifiable or not.
• Abstract（参考訳）: 介入に対する識別可能性問題は、与えられた介入の合計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計算される。 本稿では,複数の介入や多重効果を考慮して,真の因果グラフを要約した要約因果グラフの抽象化のみが可能となる時系列の文脈において,この問題を考察する。 本研究は,共通のバックドア集合による識別可能性に着目し,時間的・一貫性のない時系列に対して,そのような集合が存在する条件を確立する。 また、問題の特定可能か否かを決定するために、限られた複雑さのアルゴリズムも提供します。

関連論文リスト

• Complete Characterization for Adjustment in Summary Causal Graphs of Time Series [2.1711205684359243]
  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。
  論文  参考訳（メタデータ） (2025-06-17T14:00:31Z)
• 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)
• 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)
• 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)
• Causal discovery for time series with constraint-based model and PMIME measure [0.0]
  本稿では,因果探索アルゴリズムと情報理論に基づく測度を組み合わせた時系列データにおける因果関係の発見手法を提案する。 提案手法を複数のシミュレーションデータセット上で評価し,有望な結果を示す。
  論文  参考訳（メタデータ） (2023-05-31T09:38:50Z)
• Inferring extended summary causal graphs from observational time series [4.263043028086137]
  時系列間の差分を決定するために,情報理論の手法を用いている。 本手法の動作は,シミュレーションおよび実データを用いたいくつかの実験を通して説明される。
  論文  参考訳（メタデータ） (2022-05-19T09:39:57Z)
• 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)
• Consistency of mechanistic causal discovery in continuous-time using Neural ODEs [85.7910042199734]
  ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。 本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T08:48:02Z)

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。