Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 DetailsÜbersicht
  Group invariance principles for causal generative models

Besserve, M., Shajarisales, N., Schölkopf, B., & Janzing, D. (2018). Group invariance principles for causal generative models. In A. Storkey, & F. Perez-Cruz (Eds.), International Conference on Artificial Intelligence and Statistics (pp. 557-565). Madison, WI, USA: International Machine Learning Society.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0001-7D56-3 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0001-8112-8
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
Link (beliebiger Volltext)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Besserve, M1, 2, 3, Autor           
Shajarisales, N2, Autor
Schölkopf, B2, Autor           
Janzing, D2, Autor           
Affiliations:
1Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497794              
2Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
3Department Physiology of Cognitive Processes, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497798              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: The postulate of independence of cause and mechanism (ICM) has recently led to several new causal discovery algorithms. The interpretation of independence and the way it is utilized, however, varies across these methods. Our aim in this paper is to propose a group theoretic framework for ICM to unify and generalize these approaches. In our setting, the cause-mechanism relationship is assessed by perturbing it with random group transformations. We show that the group theoretic view encompasses previous ICM approaches and provides a very general tool to study the structure of data generating mechanisms with direct applications to machine learning.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2018-04
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: BesserveSSJ2018
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 21st International Conference on Artificial Intelligence and Statistics (AISTATS 2018)
Veranstaltungsort: Playa Blanca, Spain
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: International Conference on Artificial Intelligence and Statistics
Genre der Quelle: Konferenzband
 Urheber:
Storkey , A, Herausgeber
Perez-Cruz, F, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Madison, WI, USA : International Machine Learning Society
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 557 - 565 Identifikator: -

Quelle 2

einblenden:
ausblenden:
Titel: JMLR Workshop and Conference Proceedings ; 84
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: - Identifikator: -