論文の概要: Decoupled Causal Discovery

• arxiv url: http://arxiv.org/abs/2609.23535v1
• Date: Sun, 20 Sep 2026 10:26:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.846622
• Title: Decoupled Causal Discovery
• Title（参考訳）: Decoupled Causal Discovery
• Abstract要約: 本稿では,観測データからの因果発見のためのデカップリング因果発見(DCD)を提案する。 DCDは、重み付け関数を介して非ターゲット変数を分離することにより、マルコフ境界(MB)を直接識別する。 我々はDCDの理論的識別性、健全性、完全性を確立する。
• 参考スコア（独自算出の注目度）: 49.362050391908916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Causal discovery from observational data is a fundamental yet challenging task in scientific research. While existing approaches are primarily based on conditional independence tests, structure scores, or restrictive functional assumptions, we propose Decoupled Causal Discovery (DCD), a novel decoupling-based perspective that does not rely on these methodologies. DCD directly identifies the Markov boundary (MB) by decoupling non-target variables via weighting functions, such that only variables within the MB preserve dependence with the target under the decoupled distribution. Building on this, DCD iteratively constructs the Completed Partially Directed Acyclic Graph (CPDAG) by exploiting structural asymmetries within the MBs. We establish the theoretical identifiability, soundness, and completeness of DCD. Empirical evaluations demonstrate that DCD achieves strong performance, particularly excelling in challenging noise regimes.
• Abstract（参考訳）: 観測データからの因果発見は科学研究の基本的な課題である。 既存の手法は主に条件付き独立性テスト、構造スコア、制限的機能仮定に基づいているが、これらの方法論に依存しない新しいデカップリングに基づく視点であるデカップリング因果発見(DCD)を提案する。 DCDは、非ターゲット変数を重み付け関数によって分離することで、マルコフ境界(MB)を直接識別する。 これに基づいて、DCDは、MB内の構造的非対称性を活用することにより、Completed partially Directed Acyclic Graph (CPDAG) を反復的に構築する。 我々はDCDの理論的識別性、健全性、完全性を確立する。 実験的な評価は、DCDが特に難易度の高いノイズレシエーションに優れた性能を発揮することを示している。

関連論文リスト

• GENESIS: Towards Explainable Causal Discovery [2.352430391785511]
  観測データからの因果発見は2つの根本的な課題に直面している。 グラフ構築を解釈可能な決定点に分解する,説明可能なハイブリッドCDフレームワークであるGENESISを提案する。 本研究は、ジェネシスがすべての設定において100%決定トレーサビリティを実現し、因果発見における第一級の目的として説明可能性を確立していることを示す。
  論文  参考訳（メタデータ） (2026-08-04T16:09:01Z)
• CDFM: Towards a General-Purpose Causal Discovery Foundation Model [62.32138962508216]
  因果発見は、観測データから根底にある因果構造を復元する過程である。 ゼロショット構造推論のための統一的汎用フレームワークとしてCausal Discovery Foundation Model (CDFM) を定式化する。 CDFMは従来のアルゴリズムを一貫して上回り、汎用因果発見基盤モデルへのパラダイムシフトを推進している。
  論文  参考訳（メタデータ） (2026-07-13T12:58:28Z)
• DCD-PFN: A Decoupling-Aware Foundation Model for Causal Discovery [43.33126904440643]
  因果発見は複雑なデータ生成機構を理解するために重要である。 近年,PFN(Presideed-Data Fitted Networks)に基づく基礎モデルでは,ゼロショット推論能力が著しく向上している。 因果発見のためのデカップリング対応基盤モデルであるDCD-PFNを提案する。
  論文  参考訳（メタデータ） (2026-06-19T08:30:38Z)
• TabCausal: Pretraining Across Causal Environments for Tabular Causal Discovery [47.81267771630766]
  因果発見基盤モデル(CDFM)は、データセットを単一前方パスの因果グラフに直接マッピングすることで、この問題を改善しようとしている。 本研究では,多彩なグラフ事前学習を訓練したデータ駆動CDFMであるTabCausalを提案する。
  論文  参考訳（メタデータ） (2026-05-29T11:05:43Z)
• All Circuits Lead to Rome: Rethinking Functional Anisotropy in Circuit and Sheaf Discovery for LLMs [61.02007370456733]
  一つのタスクを複数の、構造的に異なる回路やシーブでサポートできることを示し、同時に忠実で、疎結合で、完全であることを示す。 分布回路仮説を提案し,高次元重ね合わせから自然に非一様で低オーバーラップ回路の説明が生じることを示す理論的解析を行った。
  論文  参考訳（メタデータ） (2026-05-12T19:21:23Z)
• Large-Scale Bayesian Causal Discovery with Interventional Data [0.0]
  有向非巡回グラフ(DAG)の形で変数の集合間の因果関係を推定することは重要であるが、非常に難しい問題である。 介入データを用いた因果発見のための実証的ベイズ的枠組みであるインターベンショナルベイズ的因果発見(IBCD)を提案する。
  論文  参考訳（メタデータ） (2025-10-02T01:16:04Z)
• A General Causal Inference Framework for Cross-Sectional Observational Data [0.4972323953932129]
  断面観測データに特化して設計された一般因果推論(GCI)フレームワーク。 本稿では,断面観測データを対象としたGCIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-28T14:26:27Z)
• BCD Nets: Scalable Variational Approaches for Bayesian Causal Discovery [97.79015388276483]
  構造方程式モデル(SEM)は、有向非巡回グラフ(DAG)を介して表される因果関係を推論する効果的な枠組みである。 近年の進歩により、観測データからDAGの有効最大点推定が可能となった。 線形ガウス SEM を特徴付ける DAG 上の分布を推定するための変分フレームワークである BCD Nets を提案する。
  論文  参考訳（メタデータ） (2021-12-06T03:35:21Z)
• Variational Causal Networks: Approximate Bayesian Inference over Causal Structures [132.74509389517203]
  離散DAG空間上の自己回帰分布をモデル化したパラメトリック変分族を導入する。 実験では,提案した変分後部が真の後部を良好に近似できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T17:52:49Z)

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。