基于分数的因果表示学习:线性和一般变换
原文中文,约200字,阅读约需1分钟。发表于: 。通过对干预进行建模,由一般的非参数潜在因果模型和将潜在变量映射到观测变量的未知变换进行干预学习,本文提出了基于评分函数的一类算法,既确保了可识别性又确保了可行性。
该论文研究因果关系表示学习,通过从低级数据中恢复高级潜在变量和它们之间的因果关系。作者提出了一种可证明的最佳可识别性概念,并提供了相应的可识别性保证。
通过对干预进行建模,由一般的非参数潜在因果模型和将潜在变量映射到观测变量的未知变换进行干预学习,本文提出了基于评分函数的一类算法,既确保了可识别性又确保了可行性。
该论文研究因果关系表示学习,通过从低级数据中恢复高级潜在变量和它们之间的因果关系。作者提出了一种可证明的最佳可识别性概念,并提供了相应的可识别性保证。