结构无关建模：因果图的对抗学习
摘要：结构无偏建模（SAM）是一种新的因果推断方法，该方法结合了条件独立性和分布不对称性，旨在从观测数据中找到潜在的因果结构。该方法基于一个游戏，不同的参与者根据其他变量以神经网络的形式估计每个变量的分布，而对手旨在区分生成的数据和原始数据。通过组合分布估计、稀疏性和非循环性约束的学习准则，采用随机梯度下降来优化图形结构和参数。SAM在合成数据和实际数据上进行了广泛的实验证明。
作者：Diviyan Kalainathan, Olivier Goudet, Isabelle Guyon, David Lopez-Paz, Mich`ele Sebag
论文ID：1803.04929
分类：Machine Learning
分类简称：stat.ML
提交时间：2022-07-26