典型文献
基于级联加性噪声模型的因果结构学习算法
文献摘要：
现有级联非线性加性噪声模型可解决隐藏中间变量的因果方向推断问题,然而对于包含隐变量和级联传递因果关系的因果网络学习存在全局结构搜索、等价类无法识别等问题.设计一种面向非时序观测数据的两阶段因果结构学习算法,第一阶段根据观测数据变量间的条件独立性,构建基本的因果网络骨架,第二阶段基于级联非线性加性噪声模型,通过比较骨架中每个相邻因果对在不同因果方向假设下的边缘似然度进行因果方向推断.实验结果表明,该算法在虚拟因果结构数据集的不同隐变量数量、平均入度、结构维度、样本数量下均表现突出,且在真实因果结构数据集中的F1值相比主流因果结构学习算法平均提升了51％,具有更高的准确率和更强的鲁棒性.
文献关键词：
因果结构学习;加性噪声模型;级联加性噪声模型;因果发现;函数式因果模型
中图分类号：
作者姓名：
乔杰;蔡瑞初;郝志峰
作者机构：
广东工业大学 计算机学院,广州 510006;佛山科学技术学院 数学与大数据学院,广东 佛山 528000
文献出处：
引用格式：
[1]乔杰;蔡瑞初;郝志峰-.基于级联加性噪声模型的因果结构学习算法)[J].计算机工程,2022(01):93-98
A类：
级联加性噪声模型,加性噪声模型,因果结构学习,函数式因果模型
B类：
中间变量,隐变量,因果关系,因果网络,网络学习,全局结构,结构搜索,等价,观测数据,两阶段,第一阶段,第二阶段,设下,入度,结构维度,样本数量,实因,因果发现
AB值：
0.172738
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
