論文の概要: Identification of Causal Direction under an Arbitrary Number of Latent Confounders

• arxiv url: http://arxiv.org/abs/2510.22711v1
• Date: Sun, 26 Oct 2025 15:10:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.55107
• Title: Identification of Causal Direction under an Arbitrary Number of Latent Confounders
• Title（参考訳）: 任意数の潜在共同設立者の下での因果方向の同定
• Authors: Wei Chen, Linjun Peng, Zhiyi Huang, Haoyue Dai, Zhifeng Hao, Ruichu Cai, Kun Zhang,
• Abstract要約: 実世界のシナリオでは、観測された変数は複数の潜伏変数によって同時に影響を受けることがある。 我々は,特定の方法で構築された観測変数の高次累積行列を併用する。 これらの高次累積行列の階数不足特性から,2つの観測変数間の因果非対称性が直接観察可能であることを示す。
• 参考スコア（独自算出の注目度）: 54.76982125821112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recovering causal structure in the presence of latent variables is an important but challenging task. While many methods have been proposed to handle it, most of them require strict and/or untestable assumptions on the causal structure. In real-world scenarios, observed variables may be affected by multiple latent variables simultaneously, which, generally speaking, cannot be handled by these methods. In this paper, we consider the linear, non-Gaussian case, and make use of the joint higher-order cumulant matrix of the observed variables constructed in a specific way. We show that, surprisingly, causal asymmetry between two observed variables can be directly seen from the rank deficiency properties of such higher-order cumulant matrices, even in the presence of an arbitrary number of latent confounders. Identifiability results are established, and the corresponding identification methods do not even involve iterative procedures. Experimental results demonstrate the effectiveness and asymptotic correctness of our proposed method.
• Abstract（参考訳）: 潜伏変数の存在下で因果構造を復元することは重要であるが難しい課題である。 多くの手法が提案されているが、そのほとんどは因果構造に関する厳密な仮定や証明不可能な仮定を必要とする。 実世界のシナリオでは、観測された変数は複数の潜伏変数によって同時に影響を受ける可能性がある。 本稿では, 線形非ガウスの場合を考察し, 特定の方法で構成された観測変数の高次累積行列を併用する。 このような高次累積行列の階数不足特性から、2つの観測変数間の因果非対称性が、任意の数の潜在共同設立者が存在する場合でも、直接見えることを示す。 識別可能性が確立され、対応する識別方法は反復的な手順を伴わない。 提案手法の有効性と漸近的正しさを実験的に検証した。

関連論文リスト

• Causal Effect Identification in lvLiNGAM from Higher-Order Cumulants [20.751445296400316]
  本稿では,高次累積を用いた線形非ガウス非巡回モデル (lvLiNGAM) における因果効果の同定について検討する。 因果効果が一つのプロキシや機器で識別可能であることを証明し、対応する推定方法を提案する。
  論文  参考訳（メタデータ） (2025-06-05T16:14:35Z)
• Identification of Causal Structure with Latent Variables Based on Higher Order Cumulants [31.85295338809117]
  本稿では,潜伏変数の影響を受ける2つの変数間の因果エッジの存在を同定するための新しい手法を提案する。 このような因果エッジが流出した場合、因果方向を決定するための非対称性基準を導入する。
  論文  参考訳（メタデータ） (2023-12-19T08:20:19Z)
• Identification of Nonlinear Latent Hierarchical Models [38.925635086396596]
  我々は,初等潜伏変数モデルに対する新しい識別可能性保証という形で識別基準を開発する。 我々の知る限りでは、非線形潜在階層モデルにおける因果構造と潜伏変数の両方に対する識別可能性を保証するための最初の研究である。
  論文  参考訳（メタデータ） (2023-06-13T17:19:37Z)
• 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)
• Identifying Weight-Variant Latent Causal Models [82.14087963690561]
  推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。 いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。 本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-08-30T11:12:59Z)
• 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。