NOTEARS: Optimasi Berkelanjutan untuk Pembelajaran Struktur Kausal
NOTEARS (No Tears: Acyclicity Regression Structure) adalah algoritma pembelajaran struktur kausal yang diperkenalkan oleh Zheng, Aragam, Ravikumar, dan Xing pada tahun 2018 di NeurIPS. Algoritma ini merumuskan ulang masalah pembelajaran graf asiklik terarah (DAG) dari data observasional yang sulit secara kombinatorial menjadi masalah optimasi kontinu yang mulus, memungkinkan penggunaan pemecah berbasis gradien standar dan menghilangkan kebutuhan akan pencarian kombinatorial menyeluruh di ruang graf.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). NOTEARS Continuous DAG Structure Learning. ScholarGate. https://scholargate.app/id/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.
- Jaringan BayesianBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →