首页/论文/0905.1540

arXiv 0905.15402009-05-11stat.ML

祖先图的马尔可夫等价性的补充材料

Supplementary material for Markov equivalence for ancestral graphs

R. A. Ali, T. Richardson, P. Spirtes

备注：: 2 pages, 1 figure, supplement to paper to appear in the Annals of Statistics

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们证明了Zhao et al.（2005）给出的Markov等价性准则可以包含一组顶点数为指数的图的特征。

英文摘要：

We prove that the criterion for Markov equivalence provided by Zhao et al. (2005) may involve a set of features of a graph that is exponential in the number of vertices.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

迈向完整因果解释的专家知识

Towards Complete Causal Explanation with Expert Knowledge

Microsoft（微软）；University of Washington（华盛顿大学）

本文研究如何通过专家知识限制最大祖先图的马尔可夫等价类，提出新的图定向规则和算法，扩展了Meek(1995)以处理潜在混杂因素。

2026-06-26cs.DMcs.LGstat.ME

含潜在混杂因子的时间序列的因果祖先图表征

Characterization of causal ancestral graphs for time series with latent confounders

German Aerospace Center（德国航空航天中心）

该研究提出一类用于含未观测混杂因子的多变量时间序列的新型因果图模型，证明其为现有模型类的真子集，可在无额外假设下得出更强因果推断，且其马尔可夫等价类图形表示蕴含更丰富的因果知识。

2023-10-05cs.AIcs.LGstat.ME

对“稀疏有向无环图的马尔可夫等价类的可逆MCMC”一文的补充

Supplement to "Reversible MCMC on Markov equivalence classes of sparse directed acyclic graphs"

这份补充材料包括三个部分：一些初步结果，四个例子，一个实验，三个新的算法，和所有的证明结果的文件“可逆MCMC对马尔可夫等价类的稀疏有向无环图”。

2013-08-10math.COstat.ML

无环混合图子类的Markov等价性

Markov Equivalences for Subclasses of Loopless Mixed Graphs

本文讨论了无环混合图子类的马氏等价性的四个问题。我们将这四个问题归类为寻找内部马尔可夫等价的条件，这是子类内的马尔可夫等价，外部马尔可夫等价，这是子类之间的马尔可夫等价，代表性马尔可夫等价，这是一个子类的图与另一个子类的图马尔可夫等价的可能性，以及寻找算法来从与给定图马尔可夫等价的某个子类生成图。我们特别专注于类的最大祖先图及其子类，即回归图，双向图，无向图，有向无环图，并提出了新的结果代表马尔可夫等价和算法。

2011-10-20math.STstat.MLstat.OT

作为回归量的条件平均嵌入-补充

Conditional mean embeddings as regressors - supplementary

University College London（伦敦大学学院）

我们证明了再生核希尔伯特空间（RKHS）嵌入的条件分布和向量值回归之间的等价性。这种连接引入了一个自然的正则化损失函数，RKHS嵌入最小化，提供了一个直观的理解嵌入和使用的理由。此外，等价允许应用向量值回归方法和结果的学习条件分布的问题。使用这个链接，我们得到一个稀疏版本的嵌入考虑替代配方。此外，通过将向量值回归的收敛结果应用于嵌入问题，我们得到了O（\log（n）/n）的极大极小收敛速度-与当前最新的O（n^{-1/4}）速度相比-并且在更温和和更直观的假设下是有效的。这些最小最大上限率与较低的利率达到对数因子一致，表明嵌入方法达到了接近最优的利率。我们研究了我们的稀疏嵌入算法在强化学习任务中，该算法显示出显着改善稀疏不完整的Cholesky分解。

2012-07-24cs.LGstat.ML

含潜变量有向无圈图的Markov等价类的一个刻画

A Characterization of Markov Equivalence Classes for Directed Acyclic Graphs with Latent Variables

不同的有向无环图（DAG）可能是马尔可夫等价的，因为它们在观测变量之间具有相同的条件独立关系。Meek（1995）通过提出一组方向规则来表征DAG的马尔可夫等价类（没有潜在变量），该方向规则可以正确地识别马尔可夫等价类中所有DAG共享的所有箭头方向，给定该类的成员。对于具有潜在变量的DAG模型，最大祖先图（MAG）提供了一种简洁的表示，便于模型搜索。早期的工作（阿里等人，2005年）已经确定了一套方向规则，足以构建所有箭头共同的马尔可夫等价类的MAG。在本文中，我们提供了额外的规则足以构造所有共同的尾巴。我们最终与一组定位规则的声音和完整的识别跨马尔可夫等价类的MAG，这是特别有用的因果推断的共性。

2012-06-20cs.LGstat.MEstat.ML

更多相关论文收起更多论文

在马尔可夫等价下界定因果效应

Towards Bounding Causal Effects under Markov Equivalence

Google DeepMind（谷歌DeepMind）

本文提出一种仅基于观测数据、利用部分祖先图表示马尔可夫等价类，系统推导因果效应界限的算法，并通过合成与真实数据验证。

2024-05-24cs.LGstat.ML

PAG2ADMG：马尔可夫等价类的完全因果枚举算法

PAG2ADMG: An Algorithm for the Complete Causal Enumeration of a Markov Equivalence Class

因果图，如有向无环图（DAG）和部分祖先图（PAG），表示模型中变量之间的因果关系。存在用于从数据学习DAG和PAG以及用于将DAG转换成PAG的方法。然而，这些方法是显着的限制，因为它们只输出一个单一的因果关系图的独立性和依赖性（马尔可夫等价类$M$）从数据估计一致。这是有问题的并且是不充分的，因为许多不同的图可能与$M$一致。数据建模者可能希望使用领域知识或其他模型选择算法在这些众多的一致图中进行选择。一致图集合的计数是瓶颈。在本文中，我们提出了一种方法，使这种期望的枚举成为可能。我们介绍PAG2ADMG，第一个算法枚举所有的因果图符合$M$。PAG2ADMG将给定的PAG转换为与$M$一致的无环有向混合图（ADMG）的完整集合。我们证明了该方法的正确性，并证明了其效率相对于暴力枚举。

2018-01-18stat.MEstat.ML

深度NADE与生成随机网络的等价性

On the Equivalence Between Deep NADE and Generative Stochastic Networks

Université de Montréal（蒙特利尔大学）

神经自回归分布估计（NADE）最近被证明是建模高维多峰分布的成功替代方案。与NAD相关的一个问题是，它们依赖于$P(\mathbf{x})$的特定因子分解阶数。这个问题最近已经被NADE的一个变体解决了，称为无序NADE及其更深版本，Deep Orderless NADE。基于随机最大化具有所有可能的因子分解阶数的$P(\mathbf{x})$的准则来训练无阶NAD。不幸的是，从深层NADE中进行祖先采样是非常昂贵的，这相当于运行一个神经网络，在给定其他变量的情况下分别预测每个可见变量。这项工作使得这个标准和生成随机网络（GSNs）的训练标准之间的联系。它表明，以这种方式训练NADE也训练了GSN，GSN定义了与NADE模型相关联的马尔可夫链。基于这种联系，我们展示了一种从训练的无序NADE中采样的替代方法，该方法允许权衡计算时间和样本质量：可以获得3到10倍的加速（考虑到链中连续样本之间的相关性造成的浪费），而不会明显降低样本的质量。这是使用一种称为退火GSN采样的GSN新采样程序来实现的，类似于将快速混合（由于在高噪声水平下的步骤而获得）与准确样本（由于在低噪声水平下的步骤而获得）相结合的回火方法。

2014-09-02cs.LGstat.ML