XiaoMi-AI文件搜索系统
World File Search SystemCausal
指导和教育决策：因果证据
本文表达的任何观点均为作者观点，而非 IZA 观点。本系列中发表的研究可能包括政策观点，但 IZA 不代表任何机构政策立场。IZA 研究网络致力于遵守 IZA 研究诚信指导原则。IZA 劳动经济研究所是一个独立的经济研究机构，开展劳动经济学研究，并就劳动力市场问题提供基于证据的政策建议。在德国邮政基金会的支持下，IZA 运营着世界上最大的经济学家网络，其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究、政策制定者和社会之间架起桥梁。IZA 讨论文件通常代表初步工作，并被分发以鼓励讨论。引用此类文件时应说明其临时性质。修订版可直接从作者处获得。
通过表征学习实现因果推理
导师 Dehan Kong 多伦多大学统计科学系副教授 dehan.kong@utoronto.ca 联合导师 Quan Long 卡尔加里大学生物化学与分子生物学系副教授 quan.long@ucalgary.ca 摘要 在这个项目中，候选人将参与一个关于大规模生物和医学数据中的因果推断的研究项目。关键创新在于进行表征学习以形成解开的潜变量（或分布），以减少噪音和非必要因素，从而为有效的因果推断铺平道路。将对脑部疾病的大规模组学数据进行分析，将统计方法转化为实际应用。这个跨学科项目将由 Dehan Kong 博士（多伦多大学）和 Quan Long 博士（卡尔加里大学）共同指导，Dehan Kong 博士是一位擅长因果推断、神经影像学和基因组学的统计学家，Quan Long 博士是一位医学院的计算机科学家，对脑部疾病感兴趣，可以接触到数据和领域专家。跨学科/应用经验 博士后研究员将在多伦多大学的 Kong 博士实验室和卡尔加里大学的 Long 博士团队之间分配时间。Kong 博士和 Long 博士在各种方法和应用统计研究领域拥有丰富的经验，涵盖因果推断、遗传和基因组学、神经成像和机器学习。他们的综合专业知识为研究员的培训和研究奠定了坚实的基础。 成功的候选人将沉浸在统计学和计算机科学的高度跨学科环境中。此外，候选人将与领域专家合作，他们可以从生物学和医学的角度提供解释。导师在相关领域有着长期的努力，并可以访问脑部疾病的大规模组学数据，包括阿尔茨海默氏症、帕金森氏症、自闭症、精神分裂症、双相情感障碍和抑郁症。研究小组可以使用最先进的计算设施，包括一台包含 800 个 CPU 的 CFI 支持的 HPC 服务器
时空量子关联的因果分类
仅从测量结果的相关性来看，两个原本孤立的个体能否确定这种相关性是否是非时间性的？也就是说，他们能否排除在两个不同时间给予他们相同的系统的可能性？经典统计学认为不能，但量子理论却不同意。在这里，我们介绍了将这种量子相关性识别为非时间性的必要和充分条件。我们证明了时间反转下的非时间性不对称性，并揭示了它是不同于纠缠的空间量子相关性的度量。我们的结果表明，某些量子相关性具有内在的时间箭头，并能够根据它们与各种潜在因果结构的（不）兼容性对跨时空的一般量子相关性进行分类。
Causal-HRI：人类机器人相互作用的因果学习
现实世界中的人类机器人相互作用（HRI）要求机器人熟练地感知并了解其操作的动态以人为中心的环境。近几十年来，已经看到了出色的广告，这些杂志具有出色的感知能力。关于“因果关系：人类机器人互动的因果学习”的第一个研讨会旨在将研究观察者从因果发现，推理和因果学习到现实世界中的HRI应用程序中汇集在一起。本研讨会的目的是探索策略，这些策略不仅将嵌入具有能力的机器人，从观察结果中发现因果关系，从而使它们能够概括地看不见的间隔设置，还可以使用户能够理解机器人行为，超越这些机器人使用的“黑色盒子”模型。本研讨会旨在通过受邀的主题演讲，贡献会谈，小组讨论和海报会议来促进观点，鼓励各种社区的合作。HRI 2024的主题“现实世界中的HRI”将为该研讨会的总体主题提供信息，鼓励讨论HRI理论，方法，设计和研究，重点是利用因果学习来增强现实世界中的HRI。
因果关系在操作概率理论中的影响
我们研究了在操作概率的理论的背景下，可逆的现象及其输出系统的输入系统之间的因果影响。我们分析了从量子理论的文献中借用的两个不同的定义，它们是等效的。一个是基于信号的概念，另一个是用于定义量子细胞自动机中细胞邻域的无效。我们在一般场景中采用的后一种定义，事实证明，这与前者严格弱：系统可能对另一个人的因果影响而不会发出信号。非常重要的是，反状来自经典理论，其中提出的因果影响概念决定了细胞自动机中细胞邻域的重新发现。我们强调，根据我们的定义，无论如何在没有相互作用的情况下，不可能具有因果影响，例如在类似钟形的场景中。我们研究了因果影响的各种条件，并引入了我们称之为无障碍的特征，而我们证明了信号传导和因果感染的共同体。拟议的定义对因果网络的分析产生了有趣的后果，并导致对经典蜂窝自动机的邻居概念进行修改，从而阐明了一个难题，这些难题显然使邻里比原始的邻居更大。
TPQCI：一种基于拓扑的潜在方法，用于量化拷贝数变化的功能影响
通讯作者：私下生物统计学系印第安纳大学医学院和理查德·M·费尔班克斯公共卫生学院410 W 10th St.，Suite 3000印第安纳波利斯，印第安纳州印第安纳州，46202电子邮件：xioochun@iu.edu.edu.edu.edu电话：317-274-2696
采用因果发现方法结合自然语言处理模型研究痴呆症的因果网络
该工作流程图说明了研究的预处理和分析步骤。绿色框 1 详细说明了使用自然语言处理模型的变量选择步骤。最初从英国生物库数据字典中过滤出来的变量将使用基于余弦相似度得分的自然语言处理模型进一步选择。绿色框 2 概述了因果网络分析步骤 - 使用混合图形模型和快速因果推理从每个估算数据集构建痴呆症网络。然后将结果汇总成一个完整的痴呆症网络。
人工智能安全的代理行为因果分析
本技术报告概述了一种从机械角度研究代理行为的方法。机械解释有助于更深入地理解代理，因为它们描述了控制行为的因果关系——它们解释了代理为什么会这样做。具体来说，应该使用因果分析工具来研究代理行为（Spirtes 等人，2000 年；Pearl，2009 年；Dawid，2015 年）。在此处概述的方法中，分析师进行实验以确认 AI 系统假设的行为结构的存在。具体而言，该方法鼓励提出简单的因果解释，这些解释涉及高级概念（“代理喜欢绿苹果而不是红苹果”），从而抽象出代理的低级（神经）内部运作。
量子理论中的纠缠、复杂性和因果不对称
以 Emma Flake 的困境为例。Flake 博士经营着一个研究量子态断层扫描应用的实验室，但她最近有点不在状态。她的研究生 Alice 和 Bob 在她不在的时候进行了以下实验：一个源准备一组纯态 | α ⟩ 的二分量子系统。Alice 知道状态 | α ⟩，但 Bob 不知道。然后，每个系统穿过由哈密顿量 H 控制的时空区域，最终进入某个纯态 | β ⟩。Bob 的任务是通过对系统的不同可观测量进行大量测量来重建纯态 | β ⟩。Flake 博士对自己的旷工感到内疚，她提出自己写论文，并告诉 Alice 和 Bob 休息一会儿。当她查看 Alice 和 Bob 的笔记时，她发现没有记录哪个状态是 Alice 准备的，哪个状态是 Bob 重建的；她所知道的只是两个纯状态 | α ⟩ 和 | β ⟩ 。有没有办法
研究文章识别事故因果因素...
航空是一种复杂的运输系统，安全至关重要，因为飞机故障往往会造成人员伤亡。预防显然是航空运输安全的最佳策略。从过去的事故数据中学习以防止潜在事故发生已被证明是一种成功的方法。为了防止潜在的安全隐患并制定有效的预防计划，航空安全专家从事故报告中确定主要因素和促成因素。然而，如今安全专家的审查过程已经变得非常昂贵。由于信息技术的加速发展以及商业和私人航空运输业的增长，事故报告的数量正在迅速增加。因此，应应用先进的文本挖掘算法来帮助航空安全专家促进事故数据提取过程。本文重点介绍如何构建基于深度学习的模型来识别事故报告中的因果因素。首先，我们使用来自航空安全报告系统 (ASRS) 的大约 200,000 份合格事故报告准备用于训练、验证和测试的数据集。十、我们采用开源自然语言模型作为基线，该模型经过大量维基百科文本训练，并使用事件报告中的文本对其进行微调，以使其更适合我们特定的研究任务。最后，我们构建并训练基于注意力机制的 lo