論文の概要: Common-DAG Support from Targeted Covariance Changes under Confounding
- arxiv url: http://arxiv.org/abs/2611.15052v1
- Date: Wed, 11 Nov 2026 05:25:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.051011
- Title: Common-DAG Support from Targeted Covariance Changes under Confounding
- Title(参考訳): コンバウンディングによる目標共分散変化からの共通DAG支援
- Abstract要約: 構造誤差が相関している場合の実験によって決定されるグラフ支援について検討する。
正ギャップ4ノードファミリーは、共通の非環状性によって同定されるショートカットを有する。
ルートターゲットキャラクタリゼーションは、識別情報を介入設計に接続する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Targeted covariance changes couple structural rows through a common directed acyclic graph. We study the graph support determined by these experiments when structural errors may be correlated. A positive-gap four-node family has a shortcut identified by common acyclicity. A response indegree of at most two additionally gives unique complete support and two compatible coefficient matrices. The same experiments admit a stable feedback model with the shortcut absent. The result extends to connected graphs with repeated branching and merging. Finite response-column alternatives yield exact bounded-parent compatibility decisions through Horn propagation and partial-target completion. Certified ancestry then supplies an observed-ancestor covariance restriction. Gaussian regression and Fieller inversion reduce inference to a scalar confidence set, and quadratic elimination retains the shared nuisance coefficients with finite-sample edge-error control. In 2048 Gaussian conditions, the scalar procedure reports 127/128 positive edges at gap 1/4 and 524288 observations per cell. Its decisions agree with the joint outer-polynomial reference on the same inputs in all 2022 qualified conditions, with zero reports in 512 null conditions. Exact 16-, 32- and 64-node evaluations verify support and target-coverage conclusions. A root-target characterization connects the identifying information to intervention design.
- Abstract(参考訳): 目標共分散は、共通の有向非巡回グラフを通して構造列を2つに分割する。
構造誤差が相関している場合, これらの実験によって決定されるグラフ支援について検討する。
正ギャップ4ノードファミリーは、共通の非環状性によって同定されるショートカットを有する。
応答 indegree は、少なくとも 2 つの特別な完全サポートと 2 つの互換係数行列を与える。
同じ実験では、ショートカットが欠如している安定したフィードバックモデルが認められている。
その結果は、繰り返し分岐とマージを伴う連結グラフにまで拡張される。
有限応答カラムの代替は、ホーン伝播と部分目標完備化を通じて、正確な有界親和性決定をもたらす。
認証された祖先は、観測された祖先の共分散制限を提供する。
ガウス回帰とフィラー反転はスカラー信頼集合への推論を減少させ、2次除去は有限サンプルエッジエラー制御で共有ニュアンス係数を保持する。
2048年のガウス条件では、スカラープロシージャは1/4と524288の観測で127/128の正のエッジを報告している。
その決定は、2022年のすべての資格条件において同じ入力に対する合同の外部多項式参照と一致し、512のnull条件ではゼロ報告となる。
16ノード、32ノード、64ノードの評価は、サポートとターゲットカバレッジの結論を検証する。
ルートターゲットキャラクタリゼーションは、識別情報を介入設計に接続する。
関連論文リスト
- Selective inference for pruned interaction trees with known unequal variances in randomized trials [0.0]
一般化最小二乗相互作用木に対する選択的推論法の開発
フルデータ学習は、いくつかの小さなサンプル設定で参照分割リカバリを改善する。
分散比を固定した共通スケールを推定すると、選択的カバレッジのモデストな変化が生じる。
論文 参考訳(メタデータ) (2026-10-31T17:23:05Z) - Correctness Conditioning as Selection in Chain-of-Thought Faithfulness Evaluation [0.0]
7変数構造因果モデルを用いて、正確に観測されたギャップ$= operatornameCov(A, C)/P(C=1)$ を導出する。
本研究は,算術課題における4つのサブサイクル配置を評価し,全4項目において肯定的な選択ギャップを観測する。
論文 参考訳(メタデータ) (2026-10-27T11:35:29Z) - Direct Conditional Parameterization for N-Dimensional Splatting [28.593251192665402]
N-DGSとUBSはこのステップをガウスカーネルとベータカーネルで共有している。
生産スライシングは、オンザフライの共分散条件より6.9-7.7倍速い。
直接条件付けは、N次元スプラッティングの構造化された、カーネルに依存しない代替手段を提供する。
論文 参考訳(メタデータ) (2026-10-16T00:39:55Z) - Not All Dimensions Are Equal: Outlier-Aware Attention Linearization with Grouped Quadratic Kernels [26.53747686499697]
Outlier-Aware Attention Linearization (OAL) は2次注意近似を構築するための次元認識手法である。
注意近似と事前学習モデル変換の両方に対して,外乱認識次元のグルーピングの価値を示す。
論文 参考訳(メタデータ) (2026-10-09T14:40:19Z) - Where Do Two Populations of Persistence Diagrams Differ? Calibrated Local Inference at a Fixed Budget [35.18016233072556]
パーシステンス・ダイアグラムの集団に対する多くの2サンプル試験は、それらに寄与する生死面の領域を特定することなく、世界的差異を評価する。
利用可能な図の数が固定された場合の局所平均コントラストの同時推定について検討する。
論文 参考訳(メタデータ) (2026-10-06T13:00:00Z) - OSCC: Certified Observation-Safe Coupling Optimization for Gradient-Noise Control in Imperfect-Information Learning [23.835119696596095]
無効な結合は、隠された状態を隠蔽し、内因性ポリシーのランダム性を同期させ、または、偽の履歴が分岐した後の誤ったチャンスイベントを発生させる。
本稿では,限界保存,情報状態安全性,ブランチローカルなポリシーランダム性,セマンティックイベントアライメント,トレース・ビオークル・リプレイなどを通じて,許容可能なクラスを定義するフレームワークであるオブザーバセーフ・カウンタファクト・カップリング(O SCC)を紹介する。
我々は, 限界保存結合に対して, ポリシ・ヤコビアン重み付き対角外帰還共分散が雑音変化を決定することを示す勾配対応結合基準を導出する。
論文 参考訳(メタデータ) (2026-09-27T13:10:30Z) - Auditing Bayesian Graph Alignment: Diagnostic Comparisons and Reference Failure [0.0]
3つのサンプルとスコア,限界,指標,カテゴリー,分類器に基づく診断を比較した。
また, 誤差が967に近づいたにもかかわらず, ほぼゼロに一致しない共通開始鎖も示している。
これらの結果は、有限予算の限界、診断ランク、基準合意を精度の証拠として識別しながら、割当感性監査を支援する。
論文 参考訳(メタデータ) (2026-09-19T22:19:09Z) - Observational Indistinguishability and Integrity Blind Regions in Hybrid Quantum-Classical Workflows [0.0]
本稿では,ハイブリッド量子古典的ワークフロー整合性のためのクレーム相対的エビデンス/参照フレームワークを提案する。
観測上の不明瞭さは、有限バッチ統計ミスとは異なる構造的な盲点をもたらす。
論文 参考訳(メタデータ) (2026-09-15T13:16:37Z) - Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。
WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。
安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
論文 参考訳(メタデータ) (2026-08-18T09:32:03Z) - Heterogeneous Ordinal Structure Learning with Bayesian Nonparametric Complexity Discovery [1.089614199781423]
既存の順序構造学習者は、すべての回答者に対して共有指向非巡回グラフ(DAG)を仮定する。
最近の順序的グラフィカルモデルアプローチは、クラスタ固有のDAG推定ではなく、サブグループ発見に焦点を当てている。
論文 参考訳(メタデータ) (2026-05-05T18:32:49Z) - On counterfactual inference with unobserved confounding [36.18241676876348]
独立だが不均一な単位を持つ観測的研究を前提として、各単位の反実分布を学習することが目的である。
我々は、すべての$n$サンプルをプールして、すべての$n$パラメータベクトルを共同で学習する凸目的を導入する。
対数的ソボレフ不等式を満たすためにコンパクトに支持された分布に対して十分な条件を導出する。
論文 参考訳(メタデータ) (2022-11-14T04:14:37Z)
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。