Компьютерная наука > Машинное обучение [представлено 16 сентября 2026 года] Название: Достоверные гарантии и эффективное изучение моделей структурного уравнения с латентными конкуренциями Вижу PDF HTML (экспериментальное) резюме: Каузальское открытие имеет целью восстановить причинно-следственные связи на основе наблюдаемых данных. В различных областях изучение причинно-следственных связей между переменными остается важной темой, однако эта задача становится сложной в силу существования скрытых путешественников. Игнорирование таких смешателей может привести к ложному общению и неверным краям. В этом документе мы изучаем линейную структурную уравнение модели с латентными конфузателями. Мы предлагаем алгоритм, который итеративно определяет терминаловые (наблюдаемые) узлы и воссоздает направленного ациклического графика наблюдаемых переменных. Для этого мы возвращаем точную матрицу наблюдаемых переменных в качестве малой плюс низкочастотной матрицы: небольшая матрица фиксирует условные зависимости между наблюдаемыми переменными, тогда как низкосортная матричная таблица отражает совокупное влияние нескольких скрытых смычек. Мы установим, что для наблюдаемых переменных в долл. США, скрытых смычек долларов и краев долларов мы правильно выявляем прямую причинно-следственную связь между наблюдаемыми переменными, для образцов в долларах $n гтпsim \max# {slog p, ru p~}$. Экспериментальные результаты подтверждают наш теоретический вклад. Текущий контекст просмотра: cs.LG ссылки и…
Достоверные гарантии и эффективное изучение моделей структурного уравнения с скрытыми конституторами
arXiv: 2609.18535v1 Сообщение типа: новое резюме: Обнаружение причинно-следственной связи направлено на восстановление причинных связей из наблюдаемых данных. В различных областях изучение причинно-следственных связей между переменными остается важной темой, однако эта задача становится сложной в силу существования скрытых путешественников. Игнорирование таких смешателей может привести к ложному общению и неверным краям. В этом документе мы изучаем линейную структурную уравнение модели с латентными конфузателями. Мы предлагаем алгоритм, который итеративно определяет терминаловые (наблюдаемые) узлы и воссоздает направленного ациклического графика наблюдаемых переменных. Для этого мы возвращаем точную матрицу наблюдаемых переменных в качестве малой плюс низкочастотной матрицы: небольшая матрица фиксирует условные зависимости между наблюдаемыми переменными, тогда как низкосортная матричная таблица отражает совокупное влияние нескольких скрытых смычек. Мы установим, что для наблюдаемых переменных в долл. США, скрытых смычек и краев долларов мы правильно идентифицируем нашу процедуру