論文の概要: Generalised Transportability via Causal Abstractions

• arxiv url: http://arxiv.org/abs/2608.15645v1
• Date: Sun, 16 Aug 2026 09:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.373371
• Title: Generalised Transportability via Causal Abstractions
• Title（参考訳）: 因果的抽象化による一般輸送性
• Abstract要約: ソーススタディの個体群から対象個体への因果的結論の伝達は因果的推論の根本的な問題である。 因果抽象理論を基礎としたモデルレベルの視点をとる。 1つのクエリが転送されるかどうかを問うのではなく、単一のマップがソースとターゲットを整列するかどうかを問う。
• 参考スコア（独自算出の注目度）: 10.794433595853668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transporting a causal conclusion from a source study population to a target one is a fundamental problem in causal inference. The theory of transportability provides a criterion for when this is possible: given experimental data from the source and observational data from the target, it determines whether a target query is identifiable and does so completely; i.e. if the query can be transported, the criterion finds the exact formula. However, it works one query at a time and returns an expression rather than the value itself. It is also silent in two practically important regimes: when the query is not transportable and when no target data exist at all. To tackle both, we take a model-level perspective grounded in Causal Abstraction theory. Source and target share variables, graph, and interventions, differing only at a known set of mechanisms, which makes transportability a special case of same-level abstraction. Thus, instead of asking whether one query transports, we ask whether a single map aligns the source and target across their interventional behaviour. We characterise when such a map exists in both the Markovian and semi-Markovian settings; when it does, every target query transports at once. Our main contribution lies in the approximate case. When no exact map exists, the best approximate one still yields certified query intervals, recasting abstraction error as a quantitative notion of approximate transportability. We formulate model-level transport as distributionally robust optimisation over mechanism and environment perturbations of the unseen target and derive certificates for both challenging regimes: bounds for non-transportable queries, and guarantees under target-agnostic settings. We evaluate our framework on synthetic Markovian and semi-Markovian benchmarks and a real ecological dataset, and we show that the certified intervals bracket the true interventional query.
• Abstract（参考訳）: ソーススタディの個体群から対象個体への因果的結論の伝達は因果的推論の根本的な問題である。 ソースからの実験データとターゲットからの観測データから与えられると、ターゲットクエリが識別可能かどうかを判断し、完全に実行する。 しかし、一度に1つのクエリを実行し、値自体ではなく式を返す。 クエリが転送できない場合と、ターゲットデータが存在しない場合だ。 両方に取り組むために、因果抽象理論を基礎としたモデルレベルの視点を採る。 ソースとターゲットの共有変数、グラフ、介入は、既知のメカニズムのセットでのみ異なり、トランスポートビリティは同レベルの抽象化の特別なケースとなる。 したがって、1つのクエリが転送されるかどうかを問うのではなく、1つのマップがソースとターゲットを介入行動で整列するかどうかを問う。 このようなマップがMarkovian と semi-Markovian の両方の設定に存在する場合を特徴付けます。 私たちの主な貢献は、およそのケースにあります。 正確な写像が存在しない場合、最も近い近似写像は証明されたクエリ間隔を出力し、抽象誤差を近似輸送可能性の定量的な概念として再キャストする。 我々は、モデルレベルのトランスポートを、未確認のターゲットのメカニズムと環境の摂動に対する分布的に堅牢な最適化として定式化し、非輸送性クエリのバウンダリと、ターゲットに依存しない設定下での保証の両方の課題に対して証明書を導出する。 我々は,マルコフ型および半マルコフ型ベンチマークと実際の生態データセットに関する枠組みを評価し,認定間隔が真の介入クエリを括弧することを示す。

関連論文リスト

• The Fundamental Limits of Valid Transport Map Estimation [8.610170779272432]
  厳密なミニマックスフレームワークで有効な輸送マップを推定するタスクを形式化する。 OT文献からの安定性の仮定は強いが、有効な輸送マップを推定することは、OTマップを推定するのと同じくらい統計的に困難であることを示す。 我々のミニマックスフレーミングは、現代の輸送に基づく生成手法の統計的限界を理解するための厳密な基盤を提供する。
  論文  参考訳（メタデータ） (2026-06-29T17:17:55Z)
• Counterfactual Identifiability via Dynamic Optimal Transport [15.637845261800463]
  我々は、反事実は因果的主張を正当化するために識別可能でなければならないと論じている。 反実的推論に関する最近の研究は、有望な結果を示すが、識別に欠ける。
  論文  参考訳（メタデータ） (2025-10-09T14:45:13Z)
• What is a good matching of probability measures? A counterfactual lens on transport maps [3.4090089330250724]
  確率測度の結合は統計学と機械学習における多くの問題の核心にある。 まず、巡回単調写像、量子保存写像、三角形単調写像の3つの構成について比較分析する。 因果グラフの条件と、正則写像が古典的な統計的輸送と一致する構造方程式を同定する。
  論文  参考訳（メタデータ） (2025-09-19T14:33:55Z)
• Counterfactual Realizability [52.85109506684737]
  本稿では, 正規化可能性の定義, 分布からサンプルを抽出する能力を導入し, 任意の反事実分布が実現可能であるかどうかを判定する完全アルゴリズムを開発する。 本稿では、因果的公正さと因果的強化学習のモチベーション例を用いて、この新たな反ファクト的データ収集フレームワークの意義を説明する。
  論文  参考訳（メタデータ） (2025-03-14T20:54:27Z)
• Towards Understanding Extrapolation: a Causal Lens [53.15488984371969]
  我々は、外挿がいつ可能かを理論的に理解し、それを実現するための原則的な方法を提供する。 この定式化の下では、外挿問題を潜在変数識別問題にキャストする。 この理論は、基礎となる多様体の滑らかさとシフト特性の間の複雑な相互作用を明らかにする。
  論文  参考訳（メタデータ） (2025-01-15T21:29:29Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• Semi-supervised Learning of Pushforwards For Domain Translation & Adaptation [3.800498098285222]
  関連するデータ空間に2つの確率密度が与えられると、1つの密度をもう1つの密度にプッシュする写像を求める。 広いアプリケーション領域にユーティリティを持つマップには、サンプル外のデータポイントに適用するためのマップが必要です。 本稿では,正規化フローを利用して地図をパラメータ化する新しいプッシュフォワードマップ学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-18T00:35:32Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Causal Transportability for Visual Recognition [70.13627281087325]
  画像とラベルの関連性は、設定間では転送できないため、標準分類器がフェールすることを示す。 次に、すべての共起源を摂食する因果効果が、ドメイン間で不変であることを示す。 これにより、画像分類における因果効果を推定するアルゴリズムを開発する動機付けとなる。
  論文  参考訳（メタデータ） (2022-04-26T15:02:11Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)

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。