NOTEARS: pidev optimeerimine põhjusliku struktuuri õppimiseks
NOTEARS (No Tears: Acyclicity Regression Structure) on põhjusliku struktuuri õppimise algoritm, mille tutvustasid Zheng, Aragam, Ravikumar ja Xing 2018. aastal NeurIPS-il. See reformuleerib kombinatoorselt keerulise suunatud atsüklilise graafi (DAG) õppimise probleemi vaatlusandmetest pidevaks, sujuvaks optimeerimisprobleemiks, võimaldades kasutada standardseid gradiendipõhiseid lahendajaid ja kaotades vajaduse ammendava kombinatoorse otsingu järele graafi ruumis.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Zheng, X., Aragam, B., Ravikumar, P., & Xing, E. P. (2018). DAGs with NO TEARS: Continuous optimization for structure learning. Advances in Neural Information Processing Systems, 31. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). NOTEARS Continuous DAG Structure Learning. ScholarGate. https://scholargate.app/et/causal-inference/notears
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesi võrkBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →