Fugu-MT 論文翻訳(概要): Root Cause Analysis of Outliers in Unknown Cyclic Graphs

論文の概要: Root Cause Analysis of Outliers in Unknown Cyclic Graphs

arxiv url: http://arxiv.org/abs/2510.06995v1
Date: Wed, 08 Oct 2025 13:19:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-09 16:41:20.510472
Title: Root Cause Analysis of Outliers in Unknown Cyclic Graphs
Title（参考訳）: 未知周期グラフにおけるルート原因解析
Authors: Daniela Schkoda, Dominik Janzing,
Abstract要約: 摂動が十分に強いと仮定して、潜在的な根本原因の短いリストを特定できることを示す。このショートリストは、真の根本原因と、その親が根本原因のサイクルに横たわる原因から成り立っている。
参考スコア（独自算出の注目度）: 7.33673561186158
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the propagation of outliers in cyclic causal graphs with linear structural equations, tracing them back to one or several "root cause" nodes. We show that it is possible to identify a short list of potential root causes provided that the perturbation is sufficiently strong and propagates according to the same structural equations as in the normal mode. This shortlist consists of the true root causes together with those of its parents lying on a cycle with the root cause. Notably, our method does not require prior knowledge of the causal graph.
Abstract（参考訳）: 線形構造方程式を持つ巡回因果グラフにおける外れ値の伝播について検討し、それらを1つまたは複数の「根本原因」ノードに遡る。摂動が十分に強く、正規モードと同じ構造方程式に従って伝播するので、潜在的な根本原因の短いリストを同定することは可能である。このショートリストは、真の根本原因と、その親が根本原因のサイクルに横たわる原因から成り立っている。特に,本手法は因果グラフの事前知識を必要としない。

関連論文リスト

Root Cause Analysis of Outliers with Missing Structural Knowledge [13.152501863685478]
本研究では,定量的寄与分析ではなく,一意の根本原因を同定する作業において,簡易かつ効率的な根本原因解析法を提案する。提案手法は,SCMノードの線形順序で動作し,因果DAGのみを必要とする。非単調な異常スコアを持つ因果経路の可能性を示すため, 小さいスコアを持つ異常が大きなスコアを生じさせる可能性は低いことを証明した。
論文参考訳（メタデータ） (2024-06-07T15:24:38Z)
Causal Layering via Conditional Entropy [85.01590667411956]
因果発見は、生成した観測可能なデータから観測されていない因果グラフに関する情報を回収することを目的としている。我々は、条件付きエントロピーオラクルを介してデータにアクセスすることによって、グラフの階層化を回復する方法を提供する。
論文参考訳（メタデータ） (2024-01-19T05:18:28Z)
Root Cause Explanation of Outliers under Noisy Mechanisms [50.59446568076628]
因果過程は、しばしばグラフとしてモデル化され、エンティティはノードであり、パス/インターコネクションはエッジである。既存の作業は、生成プロセスにおけるノードの寄与のみを考慮している。根本原因を特定する際,各メカニズムの個々のエッジとノードについて検討する。
論文参考訳（メタデータ） (2023-12-19T03:24:26Z)
Root Cause Identification for Collective Anomalies in Time Series given an Acyclic Summary Causal Graph with Loops [1.8416014644193066]
本論文はまず,根本原因同定の問題を多くの独立したサブプロブレムに分割する方法について述べる。この設定の下では、いくつかの根本原因はグラフや異常の出現時から直接発見することができる。根の他の原因は、正常な状態と異常な状態の直接的な影響を比較することで見つけることができる。
論文参考訳（メタデータ） (2023-03-07T16:47:35Z)
DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
論文参考訳（メタデータ） (2023-02-08T16:36:40Z)
Hierarchical Graph Neural Networks for Causal Discovery and Root Cause Localization [52.72490784720227]
REASONはTopological Causal DiscoveryとPersonal Causal Discoveryで構成されている。 Topological Causal Discoveryコンポーネントは、根本原因を辿るために断層伝播をモデル化することを目的としている。個々の因果発見コンポーネントは、単一のシステムエンティティの突然の変化パターンのキャプチャに重点を置いている。
論文参考訳（メタデータ） (2023-02-03T20:17:45Z)
Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文参考訳（メタデータ） (2021-07-22T14:23:08Z)
Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文参考訳（メタデータ） (2020-11-04T10:25:13Z)
Structure Learning for Cyclic Linear Causal Models [5.567377163246147]
観測データに基づく線形因果モデルにおける構造学習の問題点を考察する。循環型混成グラフによって与えられるモデルを扱うことで、フィードバックループと潜伏した共同設立者の影響を可能とします。
論文参考訳（メタデータ） (2020-06-10T17:47:28Z)

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。