محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
یادگیری ماشین 2013
جزئیات رویداد
اینستاگرام تی پی بین
همایش ، رویداد ، ژورنال
حوزه های تحت پوشش رویداد

  • least-squares independence regression for non-linear causal inference under non-gaussian noise

    نویسندگان :
    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1032
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
      the discovery of non-linear causal relationship under additive non-gaussian noise models has attracted considerable attention recently because of their high flexibility. in this paper, we propose a novel causal inference algorithm called least-squares independence regression (lsir). lsir learns the additive noise model through the minimization of an estimator of the squared-loss mutual information between inputs and residuals. a notable advantage of lsir is that tuning parameters such as the kernel width and the regularization parameter can be naturally optimized by cross-validation, allowing us to avoid overfitting in a data-dependent fashion. through experiments with real-world datasets, we show that lsir compares favorably with a state-of-the-art causal inference method.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها