实体
Bayesian causal discovery
Bayesian causal discovery
PulseAugur coverage of Bayesian causal discovery — every cluster mentioning Bayesian causal discovery across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新论文显示，贝叶斯因果发现会在潜在混淆下失效
一项新的研究论文分析了在存在潜在混淆的情况下，线性高斯因果模型中贝叶斯因果发现的失效模式。研究确定了一个临界相关性阈值，超过该阈值后，模型会倾向于在混淆变量之间存在虚假边的图。该阈值随着样本量的增加而减小，这意味着在混淆情况下，更多的数据悖论式地会导致不正确的结论。研究进一步根据混淆变量周围的局部结构，通过精确的后验计算支持，表征了两种不同的后验失效模式。
-
新方法增强了贝叶斯因果发现对复杂、异构数据的处理能力
研究人员开发了一种新的贝叶斯因果发现方法，该方法可以将专家知识纳入异构领域。该方法通过允许因果贝叶斯网络的混合，而不是假设单一因果图，扩展了先前的工作。所提出的变分混合结构学习方法成功地推断出这些混合，并在有专家反馈的情况下提高了结构学习性能，这在合成数据和乳腺癌数据库上得到了证明。