[📪정보] 인과 구조 유도 학습

[익명(1.239)]

DeepMind, Mila & Google Brain Enable Generalization Capabilities for Causal Graph Structure Induction | Synced (syncedreview.com)

초록

인과관계 유도의 근본적인 문제는 관찰 및 중재 데이터가 주어지면 기본 그래프 구조를 추론하는 것입니다. 대부분의 기존 인과 유도 알고리즘은 후보 그래프를 생성한 다음 점수 기반 방법(연속 최적화 포함) 또는 독립 테스트를 사용하여 평가하는 방식으로 작동합니다. 이 작업에서는 점수 기능 또는 독립 테스트를 제안하는 대신 추론 프로세스를 블랙박스로 취급하고 합성 그래프에 대한 지도 교육을 통해 관찰 및 중재 데이터에서 그래프 구조로의 매핑을 학습하는 신경망 아키텍처를 설계합니다. 제안된 모델이 새로운 합성 그래프뿐만 아니라 자연주의적 그래프에도 일반화됨을 보여준다.

[2204.04875] 인과관계 유도 학습 (arxiv.org)

[ㅇㅇㅇ(14.38)]