通过神经情境分解发现连续变量上的局部独立性
机器学习
2024-05-14 v1 人工智能
机器学习
摘要
条件独立性为理解感兴趣变量之间的因果关系提供了方法。底层系统可能在变量及其父母之间 exhibit 更细粒度的因果关系，这被称为局部独立关系。最广泛研究的局部关系之一是情境特定独立（CSI），其在特定条件变量赋值时成立。然而，其适用性常受限，因为它不允许连续变量：针对连续变量的特定值进行条件化的数据包含极少或没有实例，导致无法进行独立性检验。本文定义并刻画了在特定父变量联合赋值集合上成立的局部独立关系，我们称为情境集特定独立（CSSI）。我们随后提供了CSSI的标准表示并证明其基本性质。基于我们的理论发现，我们将发现系统中多个CSSI关系的问题建模为在联合结果空间中寻找分区。最后，我们提出一种新方法，称为神经情境分解（NCD），通过对每个分区施加CSSI来学习此类分区。我们经验性地演示了该方法在合成数据集和反映真实世界物理动态的复杂系统中成功发现ground truth局部独立关系。
引用
@article{arxiv.2405.07220,
title = {On Discovery of Local Independence over Continuous Variables via Neural Contextual Decomposition},
author = {Inwoo Hwang and Yunhyeok Kwak and Yeon-Ji Song and Byoung-Tak Zhang and Sanghack Lee},
journal= {arXiv preprint arXiv:2405.07220},
year = {2024}
}
备注
Conference on Causal Learning and Reasoning (CLeaR), 2023