DirectLiNGAM Algorithm
PulseAugur coverage of DirectLiNGAM Algorithm — every cluster mentioning DirectLiNGAM Algorithm across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的 FedRCD 算法实现了隐私保护的联邦因果发现
研究人员开发了一系列名为 FedRCD 的新算法，用于线性非高斯无环模型 (LiNGAM) 中的联邦因果发现。该方法解决了隐私问题，特别是与 GDPR 等法规相关的隐私问题，通过在不集中敏感数据的情况下实现因果发现。FedRCD 算法利用高阶累积量张量来克服现有联邦方法的局限性，例如在某些噪声条件下可能失败的 FedISHC。所提出的变体在通信轮数和准确性之间提供了权衡，其中一些支持对单个客户端或观测值的精确遗忘。
-
新的多视图因果发现算法放宽了非高斯性假设
研究人员开发了新的多视图因果发现算法，这是一种旨在通过利用多个相关数据集来识别数据中因果关系的方法。该方法放宽了对非高斯数据的常见要求，而是利用同一系统不同视图之间的相关性。提出的多视图线性结构方程模型扩展了现有框架，并通过模拟和神经影像学应用进行了验证，能够估计大脑区域之间的因果图。
-
新的 CaSPECT 框架使用有向谱聚类识别因果子群
研究人员推出 CaSPECT，一个新颖的因果谱聚类框架，旨在识别观察数据中的因果同质子群。与在协变量空间中进行聚类的传统方法不同，CaSPECT 利用学习到的有向无环图 (DAG) 的拓扑结构来定义相似性。该框架采用引导稳定 PC 算法进行因果骨架恢复，并使用新的定向验证分数 (OVS) 来稳健地定向边，结合了 PC 引导证据和 DirectLiNGAM。边权重由通过普通最小二乘法或双机器学习估计的平均处理效应决定，有向拉普拉斯算子提…
-
新框架模拟泵退化以实现目标化基础设施管理
研究人员开发了一个新的基础设施管理因果发现框架，重点关注泵设备退化。该方法结合了贝叶斯分层风险建模和因果发现，以识别影响不同退化率的操作模式。研究分析了112个泵，发现了显著的异质性，其中一个组的因果效应比另一个组大400倍，凸显了采取不同管理方法的必要性。