中文

论量化因子的可辨识性

机器学习 2024-03-14 v3 人工智能

摘要

解耦旨在仅从观测分布中恢复有意义的潜在真实因子,并通过可辨识性理论形式化。在从因子到观测的一般非线性映射下,无监督 i.i.d. 设定中独立潜在因子的可辨识性被证明是不可能的。然而,在本工作中,我们证明了在一般非线性微分同胚下恢复量化潜在因子是可能的。我们仅假设潜在因子在其密度中具有独立的间断点,而不要求因子统计独立。我们引入了这种新颖形式的可辨识性,称为量化因子可辨识性,并给出了量化因子恢复的完整证明。

关键词

引用

@article{arxiv.2306.16334,
  title  = {On the Identifiability of Quantized Factors},
  author = {Vitória Barin-Pacela and Kartik Ahuja and Simon Lacoste-Julien and Pascal Vincent},
  journal= {arXiv preprint arXiv:2306.16334},
  year   = {2024}
}

备注

Appears in: 3rd Conference on Causal Learning and Reasoning (CLeaR 2024). 39 pages