MERLiN：线性网络中的混合效应恢复
统计方法学
2020-09-03 v3 神经元与认知
应用统计
机器学习
摘要
因果推断关注变量间因果关系的识别，例如确定刺激是否影响某脑区的活动。然而，观测变量本身往往不构成有意义的因果变量，需要考虑线性组合。例如在脑电图研究中，人们并不致力于建立电极信号（观测变量）之间的因果关系，而是关注皮层信号（因果变量），其可作为电极信号的线性组合恢复。我们引入 MERLiN（线性网络中的混合效应恢复，Mixture Effect Recovery in Linear Networks），一类实现从非因果变量构造因果变量新方法的因果推断算法。我们通过应用于 EEG 数据展示了基础 MERLiN 算法如何扩展以适用于不同（神经成像）数据模态。给定观测线性混合，该算法能够恢复作为另一给定变量线性效应的因果变量。也就是说，MERLiN 使我们能够恢复受某脑区活动影响而非刺激直接效应的皮层信号。所有呈现算法的 Python/Matlab 实现可在 https://github.com/sweichwald/MERLiN 获取。
引用
@article{arxiv.1512.01255,
title = {MERLiN: Mixture Effect Recovery in Linear Networks},
author = {Sebastian Weichwald and Moritz Grosse-Wentrup and Arthur Gretton},
journal= {arXiv preprint arXiv:1512.01255},
year = {2020}
}