基于干预视角的高斯LTI系统独立分量分析可辨识性
机器学习
2024-02-19 v2 计算工程、金融与科学
系统与控制
系统与控制
统计方法学
摘要
我们研究动力系统中系统辨识与干预设计之间的关系。尽管先前研究展示了可辨识表示学习方法（如独立分量分析（ICA））如何揭示因果关系，但其依赖被动视角而未考虑如何收集数据。我们的工作表明，在高斯线性时不变（LTI）系统中，可通过在多环境设定中引入多样化干预信号来辨识系统参数。借助受 ICA 文献启发的适当多样性假设，我们的发现将动力系统中的实验设计与表示可辨识性联系起来。我们在合成与（仿真）物理数据上证实了发现。此外，我们表明隐马尔可夫模型，一般而言，以及（高斯）LTI 系统，具体而言，满足带连续参数的因果 de Finetti 定理的推广形式。
引用
@article{arxiv.2311.18048,
title = {An Interventional Perspective on Identifiability in Gaussian LTI Systems with Independent Component Analysis},
author = {Goutham Rajendran and Patrik Reizinger and Wieland Brendel and Pradeep Ravikumar},
journal= {arXiv preprint arXiv:2311.18048},
year = {2024}
}
备注
CLeaR2024 camera ready. Code available at https://github.com/rpatrik96/lti-ica