存在潜变量时识别非线性单步因果影响
信息论
2017-01-25 v1 机器学习
math.IT
统计方法学
摘要
我们提出一种在存在潜变量的情况下，学习具有 步函数依赖的随机动力学系统因果结构的方法。我们提出一种信息论方法，只要潜变量在无外生噪声下演化，就能恢复观测变量间的因果关系。我们进一步针对动力学被限制为线性的特殊子情形，提出一种基于线性回归的高效学习方法。我们通过数值模拟验证了该方法的性能。
引用
@article{arxiv.1701.06605,
title = {Identifying Nonlinear 1-Step Causal Influences in Presence of Latent Variables},
author = {Saber Salehkaleybar and Jalal Etesami and Negar Kiyavash},
journal= {arXiv preprint arXiv:1701.06605},
year = {2017}
}