检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种基于互信息度量的时序数据因果发现方法

控制与决策 2024年第9期39卷 3151-3159页

作者：李德志鲁云军吴健平李强国防科技大学信息通信学院武汉430019

在时序数据因果关系发现研究中,传统算法针对时间窗口内时序数据之间的因果关系进行分析,存在因果关系识别准确率受限、算法复杂度较高等问题.为解决该问题,首先对概要因果图、因果概要互信息和条件因果概要互信息进行定义,在此基础上... 详细信息

在时序数据因果关系发现研究中,传统算法针对时间窗口内时序数据之间的因果关系进行分析,存在因果关系识别准确率受限、算法复杂度较高等问题.为解决该问题,首先对概要因果图、因果概要互信息和条件因果概要互信息进行定义,在此基础上推导出基于因果互信息的时序变量定向规则,而后区分是否存在混杂因子,结合PC (Peter and Clark)和FCI (fast causal inference)算法分别提出改进的PCSMI (Peter and Clark summary mutual information)和FCISMI (fast causal inference summary mutual information)算法.实验结果表明改进后算法能够在低复杂度条件下有效提升时序数据因果发现的准确率.

关键词：因果发现时序数据概要因果图因果概要互信息条件因果概要互信息 PC FCI

基于强化因果发现的航班地面保障事件影响因素分析

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第4期45卷 1126-1133页

作者：邢志伟李正锋罗谦夏欢张涛中国民航大学电子信息与自动化学院天津300300 中国民用航空局第二研究所工程技术研究中心四川成都610041

对航班地面保障事件执行日志展开分析以及对国内外航班延误报告进行研究,针对航班地面保障事件执行效率低下的影响因素发现问题,明确关联与因果的统一定义,给出量化影响因素的时间差参考量,提出一种面向实际保障过程的基于增剪边规则的... 详细信息

对航班地面保障事件执行日志展开分析以及对国内外航班延误报告进行研究,针对航班地面保障事件执行效率低下的影响因素发现问题,明确关联与因果的统一定义,给出量化影响因素的时间差参考量,提出一种面向实际保障过程的基于增剪边规则的强化因果发现算法,通过最大化奖励分数得到最优的影响因素与目标事件因果图。实验结果表明,提出方法能有效得到真实因果图,在FDR、TPR、SHD与生成的因果图的合理性上超过其它对比方法。

关键词：航班地面保障航班离港延误因果关系因果发现强化学习因果图构建航班保障效率

基于变分自动编码器的不平衡数据因果发现算法研究

在线全文

学校读者我要写书评

暂无评论

基于变分自动编码器的不平衡数据因果发现算法研究

作者：陈铭杰东莞理工学院

学位级别：硕士

随着大数据时代的发展,如何从复杂的数据中发现其中隐含的高价值信息在许多关键领域中是一项重要的研究方向。其中,基于统计学的传统机器学习方法在一些因果信息挖掘场景取得应用。然而,这些算法对于深度学习模型的可解释性与泛化能力... 详细信息

随着大数据时代的发展,如何从复杂的数据中发现其中隐含的高价值信息在许多关键领域中是一项重要的研究方向。其中,基于统计学的传统机器学习方法在一些因果信息挖掘场景取得应用。然而,这些算法对于深度学习模型的可解释性与泛化能力仍存在一定的挑战,难以获取数据中蕴含的复杂信息,从而导致出现模型性能下降甚至决策出错误的结论。近年来,研究人员提出通过解耦表征学习挖掘数据中隐含的复杂逻辑关系,解耦数据的生成机制以提高模型的可解释性和泛化性。在此背景下,研究人员提出了结合因果关系的解耦表征学习算法,但已有的算法仍然面临一些挑战,例如:1.大多数已有的算法都是基于全监督假设,需要大量的监督信息,但在现实世界中数据大多是缺失的或者类不平衡的;2.解耦表征学习过程中会对所有特征信息进行解耦,使得部分特征之间的相关性减弱,难以捕获到有效的特征信息,导致模型的性能下降;3.已有的大部分插补方法对于不完整数据的因果关系会造成影响,同时不完整数据也容易对数据的独立性产生错误判断。为克服不完整数据中的缺失问题并提高获取数据表征的质量和精度,本文着重研究了不完整的非平衡数据的因果解耦表征学习方法,以图神经网络(GNN)和变分自动编码器(VAE)和因果发现算法相结合的方法,实现对不完整的非平衡数据集的因果解耦表征学习。本文的工作分析了不完整数据的因果研究从理论到应用过程中的难点,解决了解耦学习过程中遇到的不完整数据问题和解耦表征算法鲁棒性低的问题,完成了从不完整数据中实现因果解耦的任务。本文的主要贡献如下:1.提出了基于图神经网络的不完整数据的插补方法。针对不完整数据中的缺失数据问题和因果发现问题,考虑到多种不同特征之间的复杂交互所构成的因果网络,提出了一种基于GNN的插补算法来处理缺失的类不平衡数据。不同于现有的大部分插补算法会改变数据的分布,将数据使用图表示的方式表达数据特征,同时引入边缘嵌入和节点嵌入捕获特征之间的复杂交互。与不同插补算法以及不同因果发现算法进行一系列对比实验,实验结果表明本文提出的方法比基线方法更有效,可以在高缺失率环境下恢复因果结构,实现了对含有因果相关因素的数据插补,并从理论上证明了该插补算法恢复了数据中的因果关系。2.提出了基于变分自动编码器的高鲁棒性的因果解耦表征方法。针对现有解耦表征算法中的鲁棒性问题,考虑到在弱监督环境下现有的连续约束算法可能无法学习到因果关系,提出了一种以因果关系为先验的高鲁棒性解耦表征学习模型对数据进行因果解耦表征学习。不同于传统的解耦表征学习模型使用各种约束条件引导解耦生成,本文将恢复的因果结构的以先验知识应用到模型的隐空间中,并通过最小化VAE中的证据下界(ELBO)来约束解耦模型中的隐变量对齐真实变量。在两种数据集上与最先进的因果解耦表征学习方法Causal-VAE进行对比实验其中包括生成实验和干预实验,实验结果表明本文实现了对含有因果关系相关变量的图像的生成,且能通过干预相关因果因素生成对应的反事实图像,这充分验证了本文所提出方法在缺失数据的因果解耦表征学习问题上的有效性。

关键词：不完整数据因果发现图神经网络插补算法解耦表征学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于连续优化定向DAG的因果发现

江苏通信 2024年第3期40卷 79-83页

作者：王正阳中邮通建设咨询有限公司

有向无环图(Directed Acyclic Graph,DAG)常被用来进行数据内的因果发现。但是现存算法在构建DAG时往往无法准确分辨相关关系与因果关系。为此,本文提出了CDOCO模型,首先使用因果学习算法针对数据集中的独立性进行检索,并对其中明显的... 详细信息

有向无环图(Directed Acyclic Graph,DAG)常被用来进行数据内的因果发现。但是现存算法在构建DAG时往往无法准确分辨相关关系与因果关系。为此,本文提出了CDOCO模型,首先使用因果学习算法针对数据集中的独立性进行检索,并对其中明显的因果关系进行定向,然后将得到的部分有向无环图转换为二值权重矩阵,最后以该矩阵为起点,提出连续优化算法来为无向边进行定向。实验部分则分别在基准数据集以及LTE业务故障诊断案例中验证了本文提出算法的有效性与高效性。

关键词：人工智能因果发现连续优化故障诊断

在线全文

学校读者我要写书评

暂无评论

地理空间因果原则及地理空间效应的因果发现

武汉大学学报(信息科学版) 2023年第11期48卷 1800-1812页

作者：李海峰罗琴瑶贺丝露任臻刘瑜中南大学地球科学与信息物理学院湖南长沙410083 北京大学遥感与地理信息系统研究所北京100871

地理大数据的崛起和深度学习技术的发展为解决地理空间分析难题带来了新机遇,然而,现有方法根植于统计相关性,而相关性模式的伪装性和欺骗性以及数据固有的偏差陷阱,导致无法得到可靠的地理空间分析结果。该问题的根源在于违反一个基本... 详细信息

地理大数据的崛起和深度学习技术的发展为解决地理空间分析难题带来了新机遇,然而,现有方法根植于统计相关性,而相关性模式的伪装性和欺骗性以及数据固有的偏差陷阱,导致无法得到可靠的地理空间分析结果。该问题的根源在于违反一个基本原则:数据的相关性并不意味着因果性,而后者是地理学研究的两个主要任务,即揭示未知具体事实和发现一般性规律机理的关键所在。地理科学研究的观察性与地理系统的复杂性和未知性使得无论是因果的哲学定义、随机对照试验以及其他观察性研究使用的准实验方法,都难以直接应用于地理科学因果研究。基于地理空间因果的基本性质假设,提出了地理空间因果原则,旨在为地理空间分析中的因果性研究提供基础理论与方法支撑,同时,梳理了地理空间因果原则和地理分析中空间效应的关系,给出各个效应下的因果发现关键路径。

关键词：地理空间分析地理因果因果发现地理空间智能

在线全文

学校读者我要写书评

暂无评论

因果发现与归纳问题

自然辩证法通讯 2020年第8期42卷 18-25页

作者：杨仁杰首都师范大学政法学院北京100048

归纳问题是科学哲学与认识论中的核心问题之一。它的目的是寻找从已知预测未知、从有限经验推广到一般规律的归纳推断的合理性的基础。自从休谟提出归纳怀疑论的现代表述以来,尽管人们尝试了许多方式试图对其进行回应,但它们都没有得到... 详细信息

归纳问题是科学哲学与认识论中的核心问题之一。它的目的是寻找从已知预测未知、从有限经验推广到一般规律的归纳推断的合理性的基础。自从休谟提出归纳怀疑论的现代表述以来,尽管人们尝试了许多方式试图对其进行回应,但它们都没有得到普遍接受。本文论证的观点是,在机器学习领域所通行的验证因果发现算法的推理模式提供了一种回应归纳怀疑论的特殊方法。这种方法不但具有与传统的科学哲学确证理论不同的特征,并且还能够揭示出归纳推断问题的更为精细的结构。

关键词：因果发现归纳问题机器学习逻辑可靠性理论

在线全文

学校读者我要写书评

暂无评论

因果发现中的强弱可辨识性研究

因果发现中的强弱可辨识性研究

作者：李明嘉华东师范大学

学位级别：硕士

发掘与探究事物间的因果关系是科学研究中的一个核心问题,达到这一目的的黄金准则是进行随机对照实验,然而在现实中,随机对照实验往往有着代价高昂,参与群体受限以及不符合伦理道德等限制。因此,如何从被动观测性数据中发现因果关系是... 详细信息

发掘与探究事物间的因果关系是科学研究中的一个核心问题,达到这一目的的黄金准则是进行随机对照实验,然而在现实中,随机对照实验往往有着代价高昂,参与群体受限以及不符合伦理道德等限制。因此,如何从被动观测性数据中发现因果关系是一个十分重要的问题。基于被动观测数据的因果发现方法在过去数十年中取得了极大的发展,现已在各个领域被广泛应用,成为因果关系发现的重要途径。在这一类方法中,一个重要的概念是可辨识性,如果发现出的因果模型是具有唯一性的,那么这个因果模型被称为可辨识的,反之则是不可辨识的。此时一个自然且重要的问题是:对于所有可辨识的因果模型,辨识的难度是一样的吗?本文围绕以上问题进行研究,本文的主要工作及贡献如下:1.针对可辨识的非线性加性噪声模型,本文指出此时辨识的难度存在差异,并提出根据辨识的难度将可辨识因果模型进一步分为强可辨识与弱可辨识模型,并给出了理论定义与一个可操作的判定方法以及相应的证明。此外,本文揭示了因果发现常用的两种指标:拟合程度和残差独立性与强弱可辨识性之间的关系,并指出现有方法忽视了这一点,导致它们只能处理好强可辨识与弱可辨识其中一种问题。2.针对现有因果发现方法只能处理好强可辨识与弱可辨识其中一种问题这一痛点,本文提出了一种对强弱可辨识问题可以统一处理的方法GENIUS(A Generic Framework for Non-linear Causal Discovery)。在仿真数据集上的实验表明,GENIUS在弱可辨识问题上的有效性远超对比方法,同时在强可辨识问题上依然保持较强的竞争力。3.本文将GENIUS应用到两个真实问题场景中,分别是生物信息学中的蛋白质信号网络上各种物质表达量间的因果关系发现问题与智能教育中学生掌握知识点间的因果关系发现问题。在这两个真实问题中的实验表明,GENIUS在因果发现上的有效性显著高于其他对比算法。

关键词：因果关系因果发现可辨识性加性噪声模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于最大最小独立性的因果发现算法

南京大学学报（自然科学版） 2017年第6期53卷 1125-1132页

作者：谢峰蔡瑞初陈薇郝志峰广东工业大学广州510006 佛山科学技术学院佛山528000

线性非高斯无环模型(LiNGAM)具有在没有任何先验知识的情况下能够仅仅从观察数据中完整地识别因果网络的优势,这使得它得到了越来越多研究者的关注.然而,现有求解LiNGAM模型的算法中一部分存在对初始值敏感,容易陷入局部最优解的问题,... 详细信息

线性非高斯无环模型(LiNGAM)具有在没有任何先验知识的情况下能够仅仅从观察数据中完整地识别因果网络的优势,这使得它得到了越来越多研究者的关注.然而,现有求解LiNGAM模型的算法中一部分存在对初始值敏感,容易陷入局部最优解的问题,一部分存在对于外生变量识别率低的缺陷.为此,提出了一种基于最大最小独立性的因果发现算法.通过引入自适应的独立性判定参数,根据此参数来找出与其余所有变量回归得到的残差都独立的变量,即为外生变量.该算法不仅避免了传统算法对独立性值差异敏感而导致识别率低的问题,而且也避免了不同数据集对固定独立性参数敏感而导致无法识别的缺陷.将该算法应用于虚拟网络和真实网络中,实验结果都表明,各种维度下该算法都优于现有的其他算法.

关键词：外生变量因果发现最大最小独立性线性非高斯无环模型(LiNGAM)

在线全文

学校读者我要写书评

暂无评论

基于线性非高斯无环模型的鲁棒因果发现算法

计算机仿真 2022年第11期39卷 355-359页

作者：曾艳郝志峰蔡瑞初谢峰广东工业大学计算机学院广东广州510006 佛山科学技术学院数学与大数据学院广东佛山528000 北京大学数学科学学院北京100080

针对现有基于观察数据的因果发现算法由于搜索方式不恰当而存在算法识别准确率下降的问题,提出一种基于线性非高斯无环模型的鲁棒因果关系发现算法。首先利用d分离准则构建因果网络的骨架,提取变量的相邻节点信息,再采取局部搜索的方式... 详细信息

针对现有基于观察数据的因果发现算法由于搜索方式不恰当而存在算法识别准确率下降的问题,提出一种基于线性非高斯无环模型的鲁棒因果关系发现算法。首先利用d分离准则构建因果网络的骨架,提取变量的相邻节点信息,再采取局部搜索的方式依次寻找独立性最强的外生变量,并逐步确定因果次序。最后借助剪枝算法得到因果网络结构,从而获取数据中的因果关系。基于真实网络结构的实验结果表明,所提出的算法能有效提高因果发现的识别准确率,且具有较强的鲁棒性。

关键词：因果发现线性非高斯无环模型分离准则外生变量