arXiv 机器学习· Sadegh Khorasani, Ali Najar, Saber Salehkaleybar, Negar Kiyavash·2026-10-01 12:00· 5 小时前AI 评分30

含潜在混杂因子的环状线性高斯模型可微结构学习

Differentiable Structure Learning for Cyclic Linear Gaussian Models with Latent Confounders

AI 导读

研究提出一种针对包含有向环和外生潜在混杂因子的线性高斯模型的可微因果结构学习方法。该方法引入边际拟等价概念，通过伯努利门（Bernoulli gates）对有向边与候选潜在变量进行参数化，构建出包含闭式可微复杂度惩罚的连续优化目标。实验表明，该方法在多种实验设置下的因果结构恢复误差均低于以往方法。

来源：arXiv 机器学习 · arxiv.org