Core Concepts
稳态扩散模型为因果推断提供新方法,不受因果图形式限制。
Abstract
作者提出了一种新的因果推断方法,使用稳态扩散方程而非因果图。
稳态扩散模型能够更好地泛化到未见干预情况下的变量。
推断方法基于一个新的理论结果,表达了在再生核希尔伯特空间中扩散生成器上的稳定性条件。
通过学习稳态扩散模型,可以更准确地预测循环系统中干预效应。
Stats
我们学习随机微分方程(SDEs)以及它们引起的稳态密度。这些模型通常比传统方法更好地泛化到未见干预情况。
Quotes
"Stationary SDEs induce a time-invariant stationary density µ over Rd, while they internally unroll the causal dependencies of the variables over time t, akin to real-world processes."
"Unlike inference of causal graphs and SCMs, which often exploits the statistical properties of particular functions, exogenous noise, or interventions, our learning algorithm for stationary diffusions is general and thus agnostic to the system and intervention model."