典型文献
竞争性因果学习及其应用
文献摘要：
因果关系的研究一直紧密围绕人类探索世界和发现世界的主题,传统的仅仅研究事物之间的统计相关关系作用有限,很难满足经济社会快速发展的需要.文章将自监督学习和对抗学习结合,利用图网络模型和系统动力学的反演模型,从大规模无监督数据中挖掘潜在的隐含信息,基于对比约束,构建物理驱动与数据驱动的统一框架,然后采用极大极小博弈策略学习不同因果模态的一致性表征,从而逼近真正的因果关系,为揭示潜藏在数据背后的内在规律提供了有力的分析工具.文章将非随机因果学习思想融入机器学习框架,对克服现有深度学习在抽象、推理及神经网络可解释性等方面的不足具有重要指导意义.
文献关键词：
因果学习;双轮驱动;对抗学习;正交因果神经网络OCNN
中图分类号：
作者姓名：
李爱忠;任若恩;董纪昌
作者机构：
山西财经大学财政与公共经济学院,太原030006;北京航空航天大学经济管理学院,北京100191;中国科学院大学经济与管理学院,北京100190
文献出处：
引用格式：
[1]李爱忠;任若恩;董纪昌-.竞争性因果学习及其应用)[J].系统科学与数学,2022(11):3015-3026
A类：
B类：
竞争性,因果学习,因果关系,现世,自监督学习,对抗学习,图网络,系统动力学,反演模型,无监督,隐含信息,建物,物理驱动,一框,极小,博弈策略,策略学习,逼近,潜藏在,内在规律,学习思想,有深度,可解释性,双轮驱动,OCNN
AB值：
0.449658
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。
