FenixEdu™

Dissertação

Differentiable Causal Discovery under latent interventions EVALUATED

Detalhes: Trabalhos recentes têm mostrado resultados promissores na descoberta de relações causais, através de dados de intervenções com métodos baseados em redes neuronais, mesmo quando são desconhecidas as variáveis intervencionadas. No entanto, trabalhos anteriores pressupõem que a correspondência entre amostras e intervenções é conhecida, o que muitas vezes é irreal. Consideramos um cenário com um extenso conjunto de dados amostrados de múltiplas distribuições de intervenção e uma distribuição observacional, no entanto, não sabemos qual distribuição originou cada amostra e como a intervenção afetou o sistema; ou seja, as intervenções são inteiramente latentes. Desta forma, proponho um método computacional, baseado em redes neuronais e inferência variacional, que enquadra aprendizagem de estruturas causais como um problema de otimização continua com restrições. Experiências com dados sintéticos e reais mostram que a nossa abordagem e sua variante semi-supervisionada são capazes de descobrir relações causais neste cenário desafiante.
Keywords: Descoberta causal, intervenções latentes, inferência variacional, processo Dirichlet

Discussão: novembro 30, 2021, 17:30