論文の概要: Towards Identifiable Representations under Misspecified Structure

• arxiv url: http://arxiv.org/abs/2609.33273v1
• Date: Sun, 27 Sep 2026 06:28:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 01:37:09.955288
• Title: Towards Identifiable Representations under Misspecified Structure
• Title（参考訳）: 不特定構造下での識別可能な表現に向けて
• Abstract要約: 既存の結果は、潜伏変数が与えられた観測結果の間で条件付き独立性に依存している。 我々は、この条件因子化が保たない、より一般的な固有構造について研究する。 精度の高い識別性を得るために,スペクトル分離および制御摂動下でのサブスペース識別性を確立し,次いで構造的疎度下でのコンポーネントワイド識別性を示す。 正確な条件が保証されない場合、近似部分空間識別可能性定理を導出する。
• 参考スコア（独自算出の注目度）: 63.85888001117966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The presence of noise that depends on the latent variables poses a fundamental challenge to identifiability. Existing results rely on conditional independence among the observations given the latent variables. We study a more general \emph{misspecified structure}, where this conditional factorization does not hold, and establish both precise and approximate identifiability guarantees. We characterize structural misspecification as a perturbed factor analysis problem. For precise identifiability, we establish subspace identifiability under spectral separation and controlled perturbation, followed by component-wise identifiability under structural sparsity. When the precise condition is not guaranteed, we derive an approximate subspace-identifiability theorem. Based on these results, we develop an unsupervised variational estimator for recovering latent variables. Experiments demonstrate the effectiveness of the proposed framework.
• Abstract（参考訳）: 潜伏変数に依存する雑音の存在は、識別可能性に根本的な課題をもたらす。 既存の結果は、潜伏変数が与えられた観測結果の間で条件付き独立性に依存している。 この条件因子化が成立しないより一般的な 'emph{misspecified structure} を研究し、正確かつ近似的な識別可能性を保証する。 構造的不特定を摂動因子分析問題として特徴づける。 精度の高い識別性を得るために,スペクトル分離および制御摂動下でのサブスペース識別性を確立し,次いで構造的疎度下でのコンポーネントワイド識別性を示す。 正確な条件が保証されない場合、近似部分空間識別可能性定理を導出する。 これらの結果に基づき、潜伏変数を復元するための教師なし変分推定器を開発した。 提案手法の有効性を示す実験を行った。

関連論文リスト

• Score-Based Causal Discovery of Latent Variable Causal Models [44.676955616247334]
  適切な定式化されたスコア関数は,潜在変数因果モデルの構造学習において,スコア等価性と一貫性が得られることを示す。 さらに、文献で考慮された複数の構造的仮定の下で、観測された変数に対する限界値の自由度を特徴づける。
  論文  参考訳（メタデータ） (2026-05-19T18:44:43Z)
• Sign Identifiability of Causal Effects in Stationary Stochastic Dynamical Systems [7.097327421487074]
  因果構造を持つ連続時間線形定常微分方程式の同定可能性について検討する。 忠実性の概念の下では、一般グラフに対する識別性、非識別性、部分識別性を特徴づける基準を導出する。
  論文  参考訳（メタデータ） (2026-03-09T12:33:51Z)
• Identification of Causal Direction under an Arbitrary Number of Latent Confounders [54.76982125821112]
  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。
  論文  参考訳（メタデータ） (2025-10-26T15:10:00Z)
• Mechanistic Independence: A Principle for Identifiable Disentangled Representations [7.550362088105815]
  アンタングル表現は、観測データに基づく変動の潜伏因子を復元しようとする。 メカニスティックな独立によって解離が達成される統一的な枠組みを導入する。
  論文  参考訳（メタデータ） (2025-09-26T10:58:03Z)
• Nonparametric Factor Analysis and Beyond [14.232694150264628]
  非無視設定における潜伏変数を識別するための一般的なフレームワークを提案する。 生成モデルは,非無視ノイズの存在下においても,ある部分多様体不確定性まで同定可能であることを示す。 また、対応する推定手法を開発し、様々な合成および実世界の設定で検証した。
  論文  参考訳（メタデータ） (2025-03-21T05:45:03Z)
• 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)
• Learning Discrete Latent Variable Structures with Tensor Rank Conditions [30.292492090200984]
  観測されていない離散データは、多くの科学分野においてユビキタスであり、これらの潜伏変数の因果構造を学習する方法は、データパターンを明らかにするために不可欠である。 ほとんどの研究は線形潜在変数モデルに焦点を当てたり、非線型関係や複素潜在構造を含む離散データにおけるケースに対処できない潜在構造に厳密な制約を課す。 観測変数集合 $mathbfX_p$ に対するテンソル階数条件を探索し、その階数が特定の条件集合の最小サポートによって決定されることを示す。 異なる観測変数のランクを探索することで、潜伏変数を特定できる。
  論文  参考訳（メタデータ） (2024-06-11T07:25:17Z)
• 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)

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。