NOTEARS: कारणिक संरचना सीखने के लिए सतत अनुकूलन
NOTEARS (नो टियर्स: एसाइक्लिकिटी रिग्रेशन स्ट्रक्चर) एक कारणिक संरचना सीखने वाला एल्गोरिथम है जिसे झेंग, अरागम, रविकुमार और जिंग ने 2018 में न्यूरिप्स में प्रस्तुत किया था। यह अवलोकन संबंधी डेटा से एक निर्देशित चक्रीय ग्राफ (DAG) सीखने की संयोजनात्मक रूप से कठिन समस्या को एक सतत, सुचारु अनुकूलन समस्या के रूप में पुनर्गठित करता है, जिससे मानक ग्रेडिएंट-आधारित सॉल्वर का उपयोग संभव हो जाता है और ग्राफ स्पेस पर संपूर्ण संयोजनात्मक खोज की आवश्यकता समाप्त हो जाती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). NOTEARS Continuous DAG Structure Learning. ScholarGate. https://scholargate.app/hi/causal-inference/notears
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- बेयसियन नेटवर्कबायेसियन↔ तुलना करें