Nonlinear directed acyclic structure learning with weakly additive noise models

Tillman, RE; Gretton, A; Spirtes, P

Nonlinear directed acyclic structure learning with weakly additive noise models

Tillman, R., Gretton, A., & Spirtes, P. (2010). Nonlinear directed acyclic structure learning with weakly additive noise models. In Y., Bengio, D., Schuurmans, C., Williams, & A., Culotta (Eds.), Advances in Neural Information Processing Systems 22 (pp. 1847-1855). Red Hook, NY, USA: Curran.

Item is 公開

表示: 全項目非表示: 全項目

基本情報

表示: 非表示:

アイテムのパーマリンク: https://hdl.handle.net/11858/00-001M-0000-0013-C0CE-C 版のパーマリンク: https://hdl.handle.net/21.11116/0000-0004-D2DC-7

資料種別: 会議論文

ファイル

表示: ファイル

作成者

表示:

非表示:

作成者:
Tillman, RE, 著者
Gretton, A^{1, 2}, 著者
Spirtes, P, 著者

所属:
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

内容説明

表示:

非表示:

キーワード: -

要旨: The recently proposed emphadditive noise model has advantages over previous structure learning algorithms, when attempting to recover some true data generating mechanism, since it (i) does not assume linearity or Gaussianity and (ii) can recover a unique DAG rather than an equivalence class. However, its original extension to the multivariate case required enumerating all possible DAGs, and for some special distributions, e.g. linear Gaussian, the model is invertible and thus cannot be used for structure learning. We present a new approach which combines a PC style search using recent advances in kernel measures of conditional dependence with local searches for additive noise models in substructures of the equivalence class. This results in a more computationally efficient approach that is useful for arbitrary distributions even when additive noise models are invertible. Experiments with synthetic and real data show that this method is more accurate than previous methods when data are nonlinear and/or non-Gaussian.

資料詳細

表示:

非表示:

言語:

日付: 出版: 2010-04

出版の状態: 出版

ページ: -

出版情報: -

目次: -

査読: -

識別子（DOI, ISBNなど）: BibTex参照ID: 6133

学位: -

訴訟

表示:

Project information

表示:

出版物 1

表示:

非表示:

出版物名: Advances in Neural Information Processing Systems 22

種別: 会議論文集

著者・編者:
Bengio, Y, 編集者
Schuurmans, D, 編集者
Lafferty, J, ペインター
Williams, C, 編集者
Culotta, A, 編集者

所属:
-

出版社, 出版地: Red Hook, NY, USA : Curran

ページ: - 巻号: - 通巻号: - 開始・終了ページ: 1847 - 1855 識別子（ISBN, ISSN, DOIなど）: ISBN: 978-1-615-67911-9

アイテム詳細

基本情報

ファイル

関連URL

作成者

内容説明

資料詳細

関連イベント

訴訟

Project information

出版物 1