本文提出了一种新颖的多视角结构方程模型（SEM）线性因果发现方法，放宽了非高斯扰动的假设，并假设视角间方差多样性。我们证明了模型参数的可识别性，并提出了一种基于多视角独立成分分析的估计算法。该方法通过模拟和实际神经影像数据验证，能够有效估计脑区之间的因果图。

本文讨论了一种在随机广义斯蒂费尔流形上进行优化的方法，该方法通过随机估计矩阵B，避免了每次迭代强制执行约束，从而降低了迭代成本，并在典型相关分析和独立成分分析等机器学习应用中表现出色。