Buchumschlag

Quantifying intrinsic causal contributions via structure preserving interventions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Janzing, Dominik, Blöbaum, Patrick, Mastakouri, Atalanti A., Faller, Philipp M., Minorics, Lenon, Budhathoki, Kailash
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Artificial Intelligence Information Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DoWhy-GCM: An extension of DoWhy for causal inference in graphical causal models
von: Blöbaum, Patrick, et al.
Veröffentlicht: (2022)

Cross-validating causal discovery via Leave-One-Variable-Out
von: Schkoda, Daniela, et al.
Veröffentlicht: (2024)

Toward Falsifying Causal Graphs Using a Permutation-Based Test
von: Eulig, Elias, et al.
Veröffentlicht: (2023)

Meaningful Causal Aggregation and Paradoxical Confounding
von: Zhu, Yuchen, et al.
Veröffentlicht: (2023)

From Guess2Graph: When and How Can Unreliable Experts Safely Boost Causal Discovery in Finite Samples?
von: Hiremath, Sujai, et al.
Veröffentlicht: (2025)

Self-Compatibility: Evaluating Causal Discovery without Ground Truth
von: Faller, Philipp M., et al.
Veröffentlicht: (2023)

Causal vs. Anticausal merging of predictors
von: Mejia, Sergio Hernan Garrido, et al.
Veröffentlicht: (2025)

Formalizing and falsifying causal pathways of rare events
von: Haghighat, Anahita, et al.
Veröffentlicht: (2026)

Algorithmic causal structure emerging through compression
von: Wendong, Liang, et al.
Veröffentlicht: (2025)

On Different Notions of Redundancy in Conditional-Independence-Based Discovery of Graphical Models
von: Faller, Philipp M., et al.
Veröffentlicht: (2025)

Assumption violations in causal discovery and the robustness of score matching
von: Montagna, Francesco, et al.
Veröffentlicht: (2023)

On the Reasoning Capacity of AI Models and How to Quantify It
von: Radha, Santosh Kumar, et al.
Veröffentlicht: (2025)

LLM-Rank: A Graph Theoretical Approach to Pruning Large Language Models
von: Hoffmann, David, et al.
Veröffentlicht: (2024)

The Normalized Cross Density Functional: A Framework to Quantify Statistical Dependence for Random Processes
von: Hu, Bo, et al.
Veröffentlicht: (2022)

Latent Representation and Simulation of Markov Processes via Time-Lagged Information Bottleneck
von: Federici, Marco, et al.
Veröffentlicht: (2023)

Score matching through the roof: linear, nonlinear, and latent variables causal discovery
von: Montagna, Francesco, et al.
Veröffentlicht: (2024)

Quantifying Information Loss under Coarse-Grained Partitions: A Discrete Framework for Explainable Artificial Intelligence
von: Izumo, Takashi
Veröffentlicht: (2025)

Informational Embodiment: Computational role of information structure in codes and robots
von: Pitti, Alexandre, et al.
Veröffentlicht: (2024)

Nested Construction of Polar Codes via Transformers
von: Ankireddy, Sravan Kumar, et al.
Veröffentlicht: (2024)

Evaluating Bivariate Causal Statements Based on Mutual Compatibility
von: Jahn, Erik, et al.
Veröffentlicht: (2026)

Channel Knowledge Map Construction via Guided Flow Matching
von: Huang, Ziyu, et al.
Veröffentlicht: (2026)

Blind Radio Mapping via Spatially Regularized Bayesian Trajectory Inference
von: Xing, Zheng, et al.
Veröffentlicht: (2025)

User-Intent-Driven Semantic Communication via Adaptive Deep Understanding
von: Ye, Peigen, et al.
Veröffentlicht: (2025)

Deep DNA Storage: Scalable and Robust DNA Storage via Coding Theory and Deep Learning
von: Bar-Lev, Daniella, et al.
Veröffentlicht: (2021)

Adaptive Fuzzy Time Series Forecasting via Partially Asymmetric Convolution and Sub-Sliding Window Fusion
von: Li, Lijian
Veröffentlicht: (2025)

Adaptive Cooperative Transmission Design for Ultra-Reliable Low-Latency Communications via Deep Reinforcement Learning
von: Yu, Hyemin, et al.
Veröffentlicht: (2025)

Three Quantization Regimes for ReLU Networks
von: Ou, Weigutian, et al.
Veröffentlicht: (2024)

Entropy-informed Decoding: Adaptive Information-Driven Branching
von: Evans, Benjamin Patrick, et al.
Veröffentlicht: (2026)

InfoChess: A Game of Adversarial Inference and a Laboratory for Quantifiable Information Control
von: Murphy, Kieran A.
Veröffentlicht: (2026)

Interpretable Transformation and Analysis of Timelines through Learning via Surprisability
von: Mokryn, Osnat, et al.
Veröffentlicht: (2025)

Improving Robustness of Tabular Retrieval via Representational Stability
von: Bhandari, Kushal Raj, et al.
Veröffentlicht: (2026)

Interpretable Diffusion via Information Decomposition
von: Kong, Xianghao, et al.
Veröffentlicht: (2023)

Subgraph Federated Learning via Spectral Methods
von: Aliakbari, Javad, et al.
Veröffentlicht: (2025)

Machine Unlearning via Information Theoretic Regularization
von: Xu, Shizhou, et al.
Veröffentlicht: (2025)

Concurrent Brainstorming & Hypothesis Satisfying: An Iterative Framework for Enhanced Retrieval-Augmented Generation (R2CBR3H-SR)
von: Shahmansoori, Arash
Veröffentlicht: (2024)

SNR-EQ-JSCC: Joint Source-Channel Coding with SNR-Based Embedding and Query
von: Zhang, Hongwei, et al.
Veröffentlicht: (2025)

Soft Best-of-n Sampling for Model Alignment
von: Verdun, Claudio Mayrink, et al.
Veröffentlicht: (2025)

ChaosBench-Logic: A Benchmark for Logical and Symbolic Reasoning on Chaotic Dynamical Systems
von: Thomas, Noel
Veröffentlicht: (2026)

Forget BIT, It is All about TOKEN: Towards Semantic Information Theory for LLMs
von: Bai, Bo
Veröffentlicht: (2025)

A Deep Learning-based Receiver for Asynchronous Grant-Free Random Access in Control-to-Control Networks
von: Battaglioni, Massimo, et al.
Veröffentlicht: (2026)