专栏首页arxiv.org翻译专栏监督整个有向无环图因果发现(CS LG)
原创

监督整个有向无环图因果发现(CS LG)

我们建议以有监督的方式处理从数据中学习因果结构的任务,现有的基于监督学习的因果学习方法局限于学习成对关系,不适用于整个有向无环图(DAG)发现。我们提出了一种新的方法,将整个DAG结构发现建模为有监督学习。为了解决手头的问题,我们建议使用与问题域匹配度高的置换等变模型。我们在大小为10、20、50、100的合成图和真实数据上对所提出的方法进行了广泛的评估,并与以前的各种方法进行了比较,都显示了良好的结果。

原文题目:Supervised Whole DAG Causal Discovery

原文:We propose to address the task of causal structure learning from data in a supervised manner. Existing work on learning causal directions by supervised learning is restricted to learning pairwise relation, and not well suited for whole DAG discovery. We propose a novel approach of modeling the whole DAG structure discovery as a supervised learning. To fit the problem in hand, we propose to use permutation equivariant models that align well with the problem domain. We evaluate the proposed approach extensively on synthetic graphs of size 10,20,50,100 and real data, and show promising results compared with a variety of previous approaches.

原文作者:Hebi Li, Qi Xiao, Jin Tian

原文链接:https://arxiv.org/abs/2006.04697

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 图的无监督学习的开源Python框架(面向API)(CS LG)

    我们向空手道俱乐部提出了一种结合了30多种最新的图挖掘算法的Python框架,这个框架可以解决无监督机器学习任务。该包的主要目标是使社区发现、节点和图嵌入可供广...

    Elva
  • Plan2Vec: 基于潜在计划的无监督表示学习(CS LG)

    在本文中,我们介绍了 Plan2Vec,一种无监督表示学习方法,它的灵感来自于强化学习。Plan2Vec 使用近邻距离在图像数据集上构建一个加权图,然后通过提炼...

    刘持诚
  • 具有上下文相似性的灵活小样本学习(CS LG)

    现有的小样本学习方法可以处理具有持久、僵化的类概念的任务。通常,学习者在训练时只观察固定数量的类别的数据,并要求在测试时归纳为一组新类别。在同一类中的两个示例在...

    毛艺漩8078803
  • 资源 | 源自斯坦福CS229,机器学习备忘录在集结

    项目地址:https://github.com/afshinea/stanford-cs-229-machine-learning

    机器之心
  • 三种Cross-lingual模型 (XLM, XLM-R, mBART)详解

    本文将详述三种Cross-lingual模型,按照其在Arxiv上发表论文的时间,分别是XLM(2019/1/22)、XLM-R(2019/11/5)、mBAR...

    mathor
  • 资源 | 源自斯坦福CS229,机器学习备忘录在集结

    在 Github 上,afshinea 贡献了一个备忘录对经典的斯坦福 CS229 课程进行了总结,内容包括监督学习、无监督学习,以及进修所用的概率与统计、线性...

    昱良
  • 除了停电之外,今年的CES还有这些“意外”……

    镁客网
  • 谷歌AI:根据视频生成深度图,效果堪比激光雷达

    目前自动驾驶的核心技术是LiDAR(激光雷达),一种运用雷达原理,采用光和激光作为主要传感器的汽车视觉系统。LiDAR传感器赋予了自动驾驶汽车能够看到周边环境的...

    新智元
  • Stanford's CS 229机器学习技巧和秘诀(完整版)

    相信经常混Machine Learning各大学习圣地的朋友们多少有听说过斯坦福大学的CS229机器学习课程(Stanford's CS 229 Machine...

    Sam Gor
  • matting系列论文笔记(二):Background Matting: The World is Your Green Screen

    论文链接: 2017 Background Matting: The World is Your Green Screen 代码:http://github....

    烤粽子
  • 人工智能进行连续决策的关键——强化学习入门指南

    用户1737318
  • 一文了解强化学习

    虽然是周末,也保持充电,今天来看看强化学习,不过不是要用它来玩游戏,而是觉得它在制造业,库存,电商,广告,推荐,金融,医疗等与我们生活息息相关的领域也有很好的应...

    杨熹
  • 基于图像的单目三维网格重建

    代码地址:https://github.com/ShichenLiu/SoftRas

    3D视觉工坊
  • Google I/O 2018带来哪些惊喜

    北京时间 5 月 9 日凌晨, Google I/O 2018 开发者大会座无虚席。对 Google 来讲今年是 AI 落地的关键时期。这次大会的主题是:芯片+...

    刘盼
  • 091018 CH 培训方法论总结

    现在我先就目前思考的方法论进行一个小的总结: Tree-Thinking CS 目标制定:     WWH、Smart-C、SWOT 做事方案:     分析客...

    用户1172223
  • 强化学习/增强学习/再励学习介绍 | 深度学习 | 干货分享 | 解读技术

    Deepmind团队在17年12月5日发布的最新Alpha Zero中,非常重要的一种方法就是强化学习(reinforcement learni...

    用户7623498
  • 【综述专栏】《Multitask Learning》多任务学习发展的关键节点

    在科学研究中,从方法论上来讲,都应“先见森林,再见树木”。当前,人工智能学术研究方兴未艾,技术迅猛发展,可谓万木争荣,日新月异。对于AI从业者来说,在广袤的知识...

    马上科普尚尚
  • 深度学习在医学影像上的应用(二)——图像重建及后处理,标注,回归,配准,图像超分辨率

    上一篇给大家介绍了深度学习在医学影像上分类的应用案例,这一篇我将分享深度学习在医学影像上关于图像重建及后处理,图像标注,图像配准,图像超分辨率和回归的应用。

    医学处理分析专家
  • 独家 | ​采用BERT的无监督NER(附代码)

    图1. 展示了未微调的BERT(bert-large-cased)无监督NER标记的句子样本

    数据派THU

扫码关注云+社区

领取腾讯云代金券