从线性混合神经影像数据恢复非线性因果关系
统计方法学
2016-10-04 v2 机器学习
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。然而，通常只有变量的线性组合才构成有意义的因果变量。例如，从脑电图恢复皮层源信号需要对多个电极记录的信号进行良好调谐的组合。我们最近引入了MERLiN（Mixture Effect Recovery in Linear Networks）算法，该算法能够从观测到的线性混合中恢复出作为另一给定变量线性效应的因果变量。在此我们放宽该因果关系为线性的假设，提出一种能够捕捉非线性因果关系的扩展算法。因此，主要贡献是一个具有更广泛适用性和允许更丰富模型类的算法（及即用代码）。此外，比较分析表明，在分析脑电图数据时，线性因果关系的假设并不具有限制性。
引用
@article{arxiv.1605.00391,
title = {Recovery of non-linear cause-effect relationships from linearly mixed neuroimaging data},
author = {Sebastian Weichwald and Arthur Gretton and Bernhard Schölkopf and Moritz Grosse-Wentrup},
journal= {arXiv preprint arXiv:1605.00391},
year = {2016}
}
备注
arXiv admin note: text overlap with arXiv:1512.01255