Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Learning causality by identifying common effects with kernel-based dependence measures

Sun, X., & Janzing, D. (2007). Learning causality by identifying common effects with kernel-based dependence measures. In M. Verleysen (Ed.), Advances in computational intelligence and learning: 15th European Symposium on Artificial Neural Networks: ESANN 2007 (pp. 453-458). Evere, Belgium: D-Side.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CE21-7 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-E32D-B
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
ESANN-2007-Sun-Learning.pdf (beliebiger Volltext), 682KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0003-E328-0
Name:
ESANN-2007-Sun-Learning.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://www.elen.ucl.ac.be/esann/proceedings/papers.php?ann=2007 (Inhaltsverzeichnis)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Sun, X1, 2, Autor           
Janzing, D, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We describe a method for causal inference that measures the strength of statistical dependence by the Hilbert-Schmidt norm of kernel-based conditional cross-covariance operators. We consider the increase of the dependence of two variables X and Y by conditioning on a third variable Z as a hint for Z being a common effect of X and Y. Based on this assumption, we collect "votes" for hypothetical causal directions and orient the edges according to the majority vote. For most of our experiments with artificial and real-world data our method has outperformed the conventional constraint-based inductive causation (IC) algorithm.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-04
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 4455
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 15th European Symposium on Artificial Neural Networks (ESANN 2007)
Veranstaltungsort: Brugge, Belgium
Start-/Enddatum: 2007-04-25 - 2007-04-27

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in computational intelligence and learning: 15th European Symposium on Artificial Neural Networks: ESANN 2007
Genre der Quelle: Konferenzband
 Urheber:
Verleysen, M, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Evere, Belgium : D-Side
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 453 - 458 Identifikator: ISBN: 2-930307-07-2