Buchumschlag

Doubly Robust Conditional Independence Testing with Generative Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yi, Huang, Linjun, Yang, Yun, Shao, Xiaofeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Testing Conditional Mean Independence Using Generative Neural Networks
von: Zhang, Yi, et al.
Veröffentlicht: (2025)

Conditional Distributional Treatment Effects: Doubly Robust Estimation and Testing
von: Jain, Saksham, et al.
Veröffentlicht: (2026)

Empirically Calibrated Conditional Independence Tests
von: Pan, Milleno, et al.
Veröffentlicht: (2026)

On the Hardness of Conditional Independence Testing In Practice
von: He, Zheng, et al.
Veröffentlicht: (2025)

Direct Doubly Robust Estimation of Conditional Quantile Contrasts
von: Givens, Josh, et al.
Veröffentlicht: (2026)

Causal Discovery with Fewer Conditional Independence Tests
von: Shiragur, Kirankumar, et al.
Veröffentlicht: (2024)

Doubly Robust Fusion of Many Treatments for Policy Learning
von: Zhu, Ke, et al.
Veröffentlicht: (2025)

Causal Discovery via Conditional Independence Testing with Proxy Variables
von: Liu, Mingzhou, et al.
Veröffentlicht: (2023)

On the Number of Conditional Independence Tests in Constraint-based Causal Discovery
von: Monés, Marc Franquesa, et al.
Veröffentlicht: (2026)

Conditional Local Independence Testing for Itô processes with Applications to Dynamic Causal Discovery
von: Liu, Mingzhou, et al.
Veröffentlicht: (2025)

PAIR-CI: Calibrated Conditional Independence Testing for Causal Discovery with Incomplete Data
von: Robinson, Thomas S., et al.
Veröffentlicht: (2026)

Finite-Sample and Distribution-Free Fair Classification: Optimal Trade-off Between Excess Risk and Fairness, and the Cost of Group-Blindness
von: Hou, Xiaotian, et al.
Veröffentlicht: (2024)

FAIRM: Learning invariant representations for algorithmic fairness and domain generalization with minimax optimality
von: Li, Sai, et al.
Veröffentlicht: (2024)

Personalizing black-box models for nonparametric regression with minimax optimality
von: Li, Sai, et al.
Veröffentlicht: (2026)

Doubly Robust Proximal Causal Learning for Continuous Treatments
von: Wu, Yong, et al.
Veröffentlicht: (2023)

Doubly Robust Conformalized Survival Analysis with Right-Censored Data
von: Sesia, Matteo, et al.
Veröffentlicht: (2024)

Contrastive Network Representation Learning
von: Dong, Zihan, et al.
Veröffentlicht: (2025)

Generalized Independent Noise Condition for Estimating Causal Structure with Latent Variables
von: Xie, Feng, et al.
Veröffentlicht: (2023)

Independence Testing for Temporal Data
von: Shen, Cencheng, et al.
Veröffentlicht: (2019)

Doubly Robust Inference in Causal Latent Factor Models
von: Abadie, Alberto, et al.
Veröffentlicht: (2024)

Exact and Approximate MCMC for Doubly-intractable Probabilistic Graphical Models Leveraging the Underlying Independence Model
von: Chen, Yujie, et al.
Veröffentlicht: (2025)

Automatic Doubly Robust Forests
von: Chen, Zhaomeng, et al.
Veröffentlicht: (2024)

Beyond Differences: Doubly Robust Meta-Learners for Ratio-Based Treatment Effects
von: Fuchs, Michael, et al.
Veröffentlicht: (2026)

Doubly-Regressing Approach for Subgroup Fairness
von: Kim, Kunwoong, et al.
Veröffentlicht: (2025)

Statistical Inference for Differentially Private Stochastic Gradient Descent
von: Xia, Xintao, et al.
Veröffentlicht: (2025)

A Unified Combination Framework for Dependent Tests with Applications to Microbiome Association Studies
von: Yu, Xiufan, et al.
Veröffentlicht: (2024)

Benchmarking Estimators for Natural Experiments: A Novel Dataset and a Doubly Robust Algorithm
von: Witter, R. Teal, et al.
Veröffentlicht: (2024)

Penalized Empirical Likelihood for Doubly Robust Causal Inference under Contamination in High Dimensions
von: Lee, Byeonghee, et al.
Veröffentlicht: (2025)

From Conditional to Unconditional Independence: Testing Conditional Independence via Transport Maps
von: He, Chenxuan, et al.
Veröffentlicht: (2025)

Testing Causal Models with Hidden Variables in Polynomial Delay via Conditional Independencies
von: Jeong, Hyunchai, et al.
Veröffentlicht: (2024)

A Tutorial on Doubly Robust Learning for Causal Inference
von: Hlynsson, Hlynur Davíð
Veröffentlicht: (2024)

A Doubly Robust Machine Learning Approach for Disentangling Treatment Effect Heterogeneity with Functional Outcomes
von: Salmaso, Filippo, et al.
Veröffentlicht: (2026)

Graph Machine Learning based Doubly Robust Estimator for Network Causal Effects
von: Khatami, Seyedeh Baharan, et al.
Veröffentlicht: (2024)

Deep Nonparametric Conditional Independence Tests for Images
von: Simnacher, Marco, et al.
Veröffentlicht: (2024)

Doubly robust identification of treatment effects from multiple environments
von: De Bartolomeis, Piersilvio, et al.
Veröffentlicht: (2025)

Bias-Corrected Data Synthesis for Imbalanced Learning
von: Lyu, Pengfei, et al.
Veröffentlicht: (2025)

Structure Maintained Representation Learning Neural Network for Causal Inference
von: Sun, Yang, et al.
Veröffentlicht: (2025)

The Decaying Missing-at-Random Framework: Model Doubly Robust Causal Inference with Partially Labeled Data
von: Zhang, Yuqian, et al.
Veröffentlicht: (2023)

Double Cross-fit Doubly Robust Estimators: Beyond Series Regression
von: McClean, Alec, et al.
Veröffentlicht: (2024)

Doubly Robust Interval Estimation for Optimal Policy Evaluation in Online Learning
von: Shen, Ye, et al.
Veröffentlicht: (2021)