NOTEARS: Optimalisálás folytonos változókkal az ok-okozati struktúra tanulásához
A NOTEARS (No Tears: Acyclicity Regression Structure) egy ok-okozati struktúra tanuló algoritmus, amelyet Zheng, Aragam, Ravikumar és Xing vezetett be 2018-ban a NeurIPS konferencián. Az irányított, körmentes gráfok (DAG) tanulásának kombinatorikailag nehéz problémáját megfigyelési adatokból folytonos, sima optimalizálási problémává alakítja át, lehetővé téve a standard gradiensalapú megoldók használatát, és kiküszöbölve a gráfok terében való kimerítő kombinatorikai keresés szükségességét.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). NOTEARS Continuous DAG Structure Learning. ScholarGate. https://scholargate.app/hu/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.
- Bayes-hálóBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →