基于互信息和葉子節(jié)點屬性的因果結(jié)構(gòu)學(xué)習(xí)方法
小型微型計算機(jī)系統(tǒng)
頁數(shù): 6 2022-07-07
摘要: 線性非高斯無環(huán)模型(Linear Non-Gaussian Acyclic Models, LiNGAM)已經(jīng)被證明能有效區(qū)分馬爾科夫等價類而獲得唯一的因果網(wǎng)絡(luò),從而得到越來越多研究者關(guān)注.現(xiàn)有學(xué)習(xí)LiNGAM的方法要么難以有效處理高維網(wǎng)絡(luò);要么假設(shè)網(wǎng)絡(luò)結(jié)構(gòu)為樹結(jié)構(gòu)而去處理高維問題.針對以上問題,本文提出一種以自底向上迭代學(xué)習(xí)的因果結(jié)構(gòu)方法.該方法主要包括混淆因子識別和葉子節(jié)點... (共6頁)