Buchumschlag

Boosting Synthetic Data Generation with Effective Nonlinear Causal Discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cinquini, Martina, Giannotti, Fosca, Guidotti, Riccardo
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causality-Aware Local Interpretable Model-Agnostic Explanations
von: Cinquini, Martina, et al.
Veröffentlicht: (2022)

Towards the Formalization of a Trustworthy AI for Mining Interpretable Models explOiting Sophisticated Algorithms
von: Guidotti, Riccardo, et al.
Veröffentlicht: (2025)

The Importance of Time in Causal Algorithmic Recourse
von: Beretta, Isacco, et al.
Veröffentlicht: (2023)

Explanations Go Linear: Post-hoc Explainability for Tabular Data with Interpretable Meta-Encoding
von: Piaggesi, Simone, et al.
Veröffentlicht: (2025)

Hybrid Retrieval for Hallucination Mitigation in Large Language Models: A Comparative Analysis
von: Mala, Chandana Sree, et al.
Veröffentlicht: (2025)

Perspectives in Play: A Multi-Perspective Approach for More Inclusive NLP Systems
von: Muscato, Benedetta, et al.
Veröffentlicht: (2025)

A Practical Approach to Causal Inference over Time
von: Cinquini, Martina, et al.
Veröffentlicht: (2024)

Learning by Surprise: Surplexity for Mitigating Model Collapse in Generative AI
von: Gambetta, Daniele, et al.
Veröffentlicht: (2024)

A Survey on Graph Counterfactual Explanations: Definitions, Methods, Evaluation, and Research Challenges
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2022)

Fair Clustering with Clusterlets
von: Setzu, Mattia, et al.
Veröffentlicht: (2025)

AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems
von: Punzi, Clara, et al.
Veröffentlicht: (2024)

Interpretable and Fair Mechanisms for Abstaining Classifiers
von: Lenders, Daphne, et al.
Veröffentlicht: (2025)

The Diversity Paradox revisited: Systemic Effects of Feedback Loops in Recommender Systems
von: Barlacchi, Gabriele, et al.
Veröffentlicht: (2026)

Mathematical Foundation of Interpretable Equivariant Surrogate Models
von: Colombini, Jacopo Joy, et al.
Veröffentlicht: (2025)

Comparing Explanations is Not Enough, Explain the Change: New Standards are Needed to Explain Behavioral Shifts in Large Language Models
von: Ciaperoni, Martino, et al.
Veröffentlicht: (2026)

Embracing Diversity: A Multi-Perspective Approach with Soft Labels
von: Muscato, Benedetta, et al.
Veröffentlicht: (2025)

Evaluating Online Moderation Via LLM-Powered Counterfactual Simulations
von: Fidone, Giacomo, et al.
Veröffentlicht: (2025)

Causal Synthetic Data Generation in Recruitment
von: Iommi, Andrea, et al.
Veröffentlicht: (2025)

A Frank System for Co-Evolutionary Hybrid Decision-Making
von: Mazzoni, Federico, et al.
Veröffentlicht: (2025)

Bridging the Gap in Hybrid Decision-Making Systems
von: Mazzoni, Federico, et al.
Veröffentlicht: (2024)

Generative Synthetic Data for Causal Inference: Pitfalls, Remedies, and Opportunities
von: Xu, Yichen
Veröffentlicht: (2026)

Scalable Causal Discovery from Recursive Nonlinear Data via Truncated Basis Function Scores and Tests
von: Ramsey, Joseph, et al.
Veröffentlicht: (2025)

Enabling Causal Discovery in Post-Nonlinear Models with Normalizing Flows
von: Hoang, Nu, et al.
Veröffentlicht: (2024)

Large Language Models are Effective Priors for Causal Graph Discovery
von: Darvariu, Victor-Alexandru, et al.
Veröffentlicht: (2024)

Fourier Feature Methods for Nonlinear Causal Discovery: FFML Scoring, TRFF Scoring, and FFCI Testing in Mixed Data
von: Ramsey, Joseph D.
Veröffentlicht: (2026)

Generating Synthetic Relational Tabular Data via Structural Causal Models
von: Hoppe, Frederik, et al.
Veröffentlicht: (2025)

FASTGEN: Fast and Cost-Effective Synthetic Tabular Data Generation with LLMs
von: Nguyen, Anh, et al.
Veröffentlicht: (2025)

Argumentative Causal Discovery
von: Russo, Fabrizio, et al.
Veröffentlicht: (2024)

Federated Causal Discovery from Heterogeneous Data
von: Li, Loka, et al.
Veröffentlicht: (2024)

Effective Causal Discovery under Identifiable Heteroscedastic Noise Model
von: Yin, Naiyu, et al.
Veröffentlicht: (2023)

FairCauseSyn: Towards Causally Fair LLM-Augmented Synthetic Data Generation
von: Nagesh, Nitish, et al.
Veröffentlicht: (2025)

Optimizing Data-driven Causal Discovery Using Knowledge-guided Search
von: Hasan, Uzma, et al.
Veröffentlicht: (2023)

Comprehensive Review and Empirical Evaluation of Causal Discovery Algorithms for Numerical Data
von: Niu, Wenjin, et al.
Veröffentlicht: (2024)

LLM4GRN: Discovering Causal Gene Regulatory Networks with LLMs -- Evaluation through Synthetic Data Generation
von: Afonja, Tejumade, et al.
Veröffentlicht: (2024)

Self-Boosting Large Language Models with Synthetic Preference Data
von: Dong, Qingxiu, et al.
Veröffentlicht: (2024)

Hybrid Local Causal Discovery
von: Ling, Zhaolong, et al.
Veröffentlicht: (2024)

Interpretable Machine Learning for Oral Lesion Diagnosis through Prototypical Instances Identification
von: Cascione, Alessio, et al.
Veröffentlicht: (2025)

Causal Reasoning in Pieces: Modular In-Context Learning for Causal Discovery
von: Kadziolka, Kacper, et al.
Veröffentlicht: (2025)

CausalProfiler: Generating Synthetic Benchmarks for Rigorous and Transparent Evaluation of Causal Machine Learning
von: Panayiotou, Panayiotis, et al.
Veröffentlicht: (2025)

Effect-Level Validation for Causal Discovery
von: Dang, Hoang, et al.
Veröffentlicht: (2026)