論文の概要: Front-door Reducibility: Reducing ADMGs to the Standard Front-door Setting via a Graphical Criterion

• arxiv url: http://arxiv.org/abs/2511.15679v1
• Date: Wed, 19 Nov 2025 18:26:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.936374
• Title: Front-door Reducibility: Reducing ADMGs to the Standard Front-door Setting via a Graphical Criterion
• Title（参考訳）: フロントドアの低減性:グラフィック基準による標準フロントドア設定へのADMGの低減
• Authors: Jianqiao Mao, Max A. Little,
• Abstract要約: フロントドア調整は、古典的なフロントドア基準の下で単純なクローズドフォーム識別式を提供する。 非巡回有向混合グラフ(ADMG)のグラフィカル条件であるフロントドア再現性(FDR)を導入する。 FDR基準の満足度とFDR調整の適用性の間のグラフレベル等価性を証明した。
• 参考スコア（独自算出の注目度）: 0.880899367147235
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Front-door adjustment provides a simple closed-form identification formula under the classical front-door criterion, but its applicability is often viewed as narrow and strict. Although ID algorithm is very useful and is proved effective for causal relation identification in general causal graphs (if it is identifiable), performing ID algorithm does not guarantee to obtain a practical, easy-to-estimate interventional distribution expression. We argue that the applicability of the front-door criterion is not as limited as it seems: many more complicated causal graphs can be reduced to the front-door criterion. In this paper, We introduce front-door reducibility (FDR), a graphical condition on acyclic directed mixed graphs (ADMGs) that extends the applicability of the classic front-door criterion to reduce a large family of complicated causal graphs to a front-door setting by aggregating variables into super-nodes (FDR triple) $\left(\boldsymbol{X}^{*},\boldsymbol{Y}^{*},\boldsymbol{M}^{*}\right)$. After characterizing FDR criterion, we prove a graph-level equivalence between the satisfication of FDR criterion and the applicability of FDR adjustment. Meanwhile, we then present FDR-TID, an exact algorithm that detects an admissible FDR triple, together with established the algorithm's correctness, completeness, and finite termination. Empirically-motivated examples illustrate that many graphs outside the textbook front-door setting are FDR, yielding simple, estimable adjustments where general ID expressions would be cumbersome. FDR thus complements existing identification method by prioritizing interpretability and computational simplicity without sacrificing generality across mixed graphs.
• Abstract（参考訳）: フロントドア調整は、古典的なフロントドア基準の下で単純なクローズドフォームの識別式を提供するが、その適用性はしばしば狭く厳密であると見なされる。 IDアルゴリズムは非常に有用であり、一般的な因果グラフにおける因果関係の同定に有効であることが証明されているが(識別可能であれば)、実行IDアルゴリズムは実用的で推定が容易な介入分布式を得ることを保証していない。 我々は、フロントドア基準の適用性は、見た目ほど制限されない:多くのより複雑な因果グラフをフロントドア基準に還元することができる。 本稿では、非巡回有向混合グラフ(ADMG)のグラフィカルな条件であるFDRを導入し、複雑な因果グラフの大きなファミリーを、変数をスーパーノード(FDR)に集約することで、フロントドア設定に還元するために、古典的なフロントドア基準の適用性を拡張する。 FDR基準を特徴づけた後、FDR基準の満足度とFDR調整の適用性の間のグラフレベル等価性を証明した。 一方,FDR-TIDは,アルゴリズムの正当性,完全性,有限終端性を確立するとともに,許容可能なFDR三重項を検出するアルゴリズムである。 実証的なモチベーションのある例は、教科書のフロントドア設定以外の多くのグラフがFDRであり、一般的なID式が煩雑であるような単純で推定可能な調整をもたらすことを示している。 したがって、FDRは、混合グラフ間の一般化を犠牲にすることなく、解釈可能性と計算の単純さを優先することで、既存の識別法を補完する。

関連論文リスト

• Pruning Spurious Subgraphs for Graph Out-of-Distribution Generalization [90.74916553208153]
  PrunEは,OODの一般化性を改善するために急激なエッジを除去する最初のプルーニングベースグラフOOD法である。 PrunE は2つの正規化項を使い、1) グラフサイズ制約は非形式的なスパイラスエッジを除外し、2) スパイラスエッジの発生をさらに抑制するために、$epsilon$-probability アライメントを使用する。
  論文  参考訳（メタデータ） (2025-06-06T10:34:48Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Conformal link prediction for false discovery rate control [0.0]
  偽発見率(FDR)を制御した真のエッジの集合を同定する問題を考える。 共形推論に基づく文献からの高レベルなアイデアに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-06-26T13:38:49Z)
• OrthoReg: Improving Graph-regularized MLPs via Orthogonality Regularization [66.30021126251725]
  グラフニューラルネットワーク(GNN)は現在、グラフ構造データのモデリングにおいて支配的である。 グラフ正規化ネットワーク(GR-MLP)はグラフ構造情報をモデル重みに暗黙的に注入するが、その性能はほとんどのタスクにおいてGNNとほとんど一致しない。 GR-MLPは,最大数個の固有値が埋め込み空間を支配する現象である次元崩壊に苦しむことを示す。 次元崩壊問題を緩和する新しいGR-MLPモデルであるOrthoRegを提案する。
  論文  参考訳（メタデータ） (2023-01-31T21:20:48Z)

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。