基于CGAN的表示学习用于因果推断
机器学习
2024-07-04 v1
摘要
条件生成对抗网络（CGAN）常用于提高条件图像生成性能。然而，针对因果推断的CGAN表示学习研究鲜少。本文提出一种新方法，通过采用对抗思想来寻找表示学习函数。我们应用CGAN的模式，并理论上展示了在两个分布平衡的情境下寻找合适表示函数的可行性。理论结果表明，当两个分布平衡时，可找到理想的表示函数，从而可用于进一步的研究。
引用
@article{arxiv.2407.02825,
title = {Representation learning with CGAN for casual inference},
author = {Zhaotian Weng and Jianbo Hong and Lan Wang},
journal= {arXiv preprint arXiv:2407.02825},
year = {2024}
}
备注
Proceedings of the 3rd International Conference on Signal Processing and Machine Learning