详细内容或原文请订阅后点击阅览
可识别的多视因果发现而没有非高斯性
我们在多视图结构方程模型（SEM）的框架中提出了一种新型的线性因果发现方法。我们提出的模型通过假设差异多样性而不是视图，从而使非高斯干扰的众所周知的假设更加广泛地适用。我们证明了模型的所有参数的可识别性，而没有对SEM的结构进行任何进一步的假设。我们进一步提出了一种基于多视图独立组件分析（ICA）的最新进展的估计算法。提出的方法是…
来源:Apple机器学习研究我们在多视图结构方程模型（SEM）的框架中提出了一种新型的线性因果发现方法。我们提出的模型通过假设差异多样性而不是视图，从而使非高斯干扰的众所周知的假设更加广泛地适用。我们证明了模型的所有参数的可识别性，而没有对SEM的结构进行任何进一步的假设。我们进一步提出了一种基于多视图独立组件分析（ICA）的最新进展的估计算法。提出的方法是通过模拟和对实际神经成像数据的应用来验证的，它可以估算大脑区域之间的因果图。
- †inriA，CEA，法国巴黎 - 萨克莱大学‡ensae，Crest，IP巴黎，法国，芬兰赫尔辛基大学*平等贡献者