論文の概要: lepidoptera: A Domain-Agnostic Engine for Causal Simulation with Mixed Variable Types, Vine Copula Dependence, and Individual-Level Counterfactual Propagation

• arxiv url: http://arxiv.org/abs/2610.24147v1
• Date: Fri, 16 Oct 2026 19:17:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 10:43:49.827044
• Title: lepidoptera: A Domain-Agnostic Engine for Causal Simulation with Mixed Variable Types, Vine Copula Dependence, and Individual-Level Counterfactual Propagation
• Title（参考訳）: lepidoptera:混合可変型、Vine Copula Dependence、および個人レベルカウンタープロパゲーションによる因果シミュレーションのためのドメイン非依存型エンジン
• Abstract要約: lepidopteraは、構造因果モデルからシミュレーションするためのオープンソースのRとPythonパッケージである。 ビルド済みのメカニズムライブラリは、連続、分類、順序付き親子型と子型の9つの組み合わせをすべてカバーしている。 ブドウのコプラ機構は、観測データから完全な関節依存構造を推定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: lepidoptera is an open-source R and Python package for simulation from structural causal models with heterogeneous variable types. The package is built around a typed mechanism architecture, which separates the causal graph from the generating rule at each node and exposes each rule as an inspectable, serialisable object. A pre-built mechanism library covers all nine combinations of continuous, categorical, and ordinal parent and child types, removing the need for users to implement type-specific sampling from scratch. A vine copula mechanism estimates the full joint dependence structure from observed data using pair-copula constructions and the Rosenblatt conditional-simulation algorithm, supporting over twenty copula families. Individual-level counterfactual queries are supported through partial propagation, which freezes the random draws of unaffected nodes and replays only the downstream consequences of an intervention, thereby separating the individual treatment effect (ITE) estimand from the population-level average treatment effect (ATE) without additional model assumptions. An extension layer allows any pre-fitted predictive model to serve as a generative mechanism via a unified callable interface. Three worked illustrations spanning clinical trial planning, emergency-ward capacity analysis, and epidemiological mediation analysis demonstrate the package's scope.
• Abstract（参考訳）: lepidopteraは、不均一な変数型を持つ構造因果モデルからシミュレーションするためのオープンソースのRとPythonパッケージである。 パッケージは型付きメカニズムアーキテクチャを中心に構築されており、因果グラフを各ノードにおける生成ルールから分離し、各ルールを検査可能なシリアライズ可能なオブジェクトとして公開する。 ビルド済みのメカニズムライブラリは、連続的、分類的、順序的な親と子型の9つの組み合わせをすべてカバーしており、ユーザがスクラッチから型固有のサンプリングを実装する必要がなくなる。 ワインコプラ機構は、ペアコプラ構造とローゼンブラット条件シミュレーションアルゴリズムを用いて観測されたデータから完全な関節依存構造を推定し、20以上のコプラ族をサポートする。 個別レベルの対物クエリは、影響のないノードのランダムな引き分けを凍結し、介入の下流結果のみを再生する部分的伝播を通じてサポートされ、それによって、個別の処理効果(ITE)を、追加のモデル仮定なしで集団レベルの平均処理効果(ATE)から分離する。 拡張層は、任意の事前適合した予測モデルを、統一された呼び出し可能なインターフェイスを介して生成メカニズムとして機能させることができる。 臨床治験計画,緊急キャパシティ分析,疫学的メディエーション分析の3つの図面がパッケージの範囲を示している。

関連論文リスト

• AdaST: Adaptive Coupling for Spatial-Temporal Forecasting [73.12995092031646]
  実世界のSTデータは、時間的支配と空間的支配から強い結合まで、異なる結合状態を示す。 本稿では,これらの課題に対処する適応的なST予測フレームワークであるAdaSTを提案する。 AdaSTは最先端のベースラインを大幅に上回り、適応的なアプローチの必要性を検証する。
  論文  参考訳（メタデータ） (2026-09-28T18:52:12Z)
• Causal Variational Deep Embedding: A Family of Interventional Generators for Confounded Images [23.146237151956765]
  CauVaDEは多様な介入サンプルを生成し、未確立の参照に対してFIDを改善している。 画像データベンチマークの実験では、CauVaDEは様々な介入サンプルを生成し、未確立の参照に対してFIDを改善している。
  論文  参考訳（メタデータ） (2026-06-19T23:59:14Z)
• K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
  K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。 提案手法はシミュレーションと実世界の応用を通して評価する。
  論文  参考訳（メタデータ） (2026-05-14T13:35:44Z)
• Kolmogorov-Arnold causal generative models [40.44169036529174]
  因果生成モデルは、観測データから観察的、介入的、および反事実的クエリに答えるための原則化された枠組みを提供する。 我々はKAN(Kolmogorov-Arnold Network)により各構造方程式をパラメータ化した混合型表型データに対する因果生成モデルKaCGMを提案する。 この分解は、シンボリック近似や親子関係の可視化を含む学習因果関係の直接検査を可能にする。
  論文  参考訳（メタデータ） (2026-03-20T17:58:38Z)
• HarmonyCell: Automating Single-Cell Perturbation Modeling under Semantic and Distribution Shifts [34.62096175943109]
  HarmonyCellは、単一セル摂動研究のためのエンドツーエンドのエージェントフレームワークである。 異なるメタデータを手動で介入することなく、標準的なインターフェースにマッピングする。 適応的なモンテカルロ木探索エンジンは階層的な作用空間上で動作し、分布シフトに対して最適な統計的帰納バイアスで合成する。
  論文  参考訳（メタデータ） (2026-03-02T02:48:40Z)
• Varying-Coefficient Mixture of Experts Model [0.0]
  本稿では、ゲーティング関数とエキスパートモデルの両方におけるすべての係数効果をインデックス変数に沿って変化させることができるVarying-Coefficient Mixture of Experts (VCMoE)モデルを提案する。 本稿では, 胚性マウスにおける単一遺伝子発現のデータセットを用いて, 遺伝子Satb2とBcl11bの関連性の時間的ダイナミクスを特徴づけるVCMoEモデルを提案する。
  論文  参考訳（メタデータ） (2026-01-05T00:23:30Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• Induced Covariance for Causal Discovery in Linear Sparse Structures [55.2480439325792]
  因果モデルでは、観測データから変数間の因果関係を解き明かそうとしている。 本稿では,変数が線形に疎結合な関係を示す設定のための新しい因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-02T04:01:38Z)
• Robustly estimating heterogeneity in factorial data using Rashomon Partitions [4.76518127830168]
  我々は、羅生門分割セット(RPS)と呼ばれるモデル不確実性のための新しい枠組みを提案する。 RPSは、最大後部(MAP)モデルに近い後部密度を持つすべてのモデルで構成されている。 実験的な例として,チャリタブルギフトの価格効果,染色体構造の不均一性,マイクロファイナンスの導入の3つを挙げる。
  論文  参考訳（メタデータ） (2024-04-02T17:53:28Z)
• iSCAN: Identifying Causal Mechanism Shifts among Nonlinear Additive Noise Models [48.33685559041322]
  本稿では,同一変数集合上の2つ以上の関連するデータセットにおける因果メカニズムシフトの同定に焦点をあてる。 提案手法を実装したコードはオープンソースであり、https://github.com/kevinsbello/iSCAN.comで公開されている。
  論文  参考訳（メタデータ） (2023-06-30T01:48:11Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)

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。