Buchumschlag

Causal Modeling in Multi-Context Systems: Distinguishing Multiple Context-Specific Causal Graphs which Account for Observational Support

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rabel, Martin, Günther, Wiebke, Runge, Jakob, Gerhardus, Andreas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Context-Specific Causal Graph Discovery with Unobserved Contexts: Non-Stationarity, Regimes and Spatio-Temporal Patterns
von: Rabel, Martin, et al.
Veröffentlicht: (2025)

Causal discovery with endogenous context variables
von: Günther, Wiebke, et al.
Veröffentlicht: (2024)

Causal Inference on Process Graphs, Part II: Causal Structure and Effect Identification
von: Reiter, Nicolas-Domenic, et al.
Veröffentlicht: (2024)

Causal Inference on Process Graphs, Part I: The Structural Equation Process Representation
von: Reiter, Nicolas-Domenic, et al.
Veröffentlicht: (2023)

Identifying Linearly-Mixed Causal Representations from Multi-Node Interventions
von: Bing, Simon, et al.
Veröffentlicht: (2023)

Using Time Structure to Estimate Causal Effects
von: Hochsprung, Tom, et al.
Veröffentlicht: (2025)

Representation of Context-Specific Causal Models with Observational and Interventional Data
von: Duarte, Eliana, et al.
Veröffentlicht: (2021)

Evaluating and Correcting Performative Effects of Decision Support Systems via Causal Domain Shift
von: Boeken, Philip, et al.
Veröffentlicht: (2024)

An introduction to Causal Modelling
von: Baishya, Gauranga Kumar
Veröffentlicht: (2025)

Foundations of Causal Discovery on Groups of Variables
von: Wahl, Jonas, et al.
Veröffentlicht: (2023)

Dynamic Structural Causal Models
von: Boeken, Philip, et al.
Veröffentlicht: (2024)

Boosting Causal Additive Models
von: Kertel, Maximilian, et al.
Veröffentlicht: (2024)

Sign Identifiability of Causal Effects in Stationary Stochastic Dynamical Systems
von: van Seeventer, Gijs, et al.
Veröffentlicht: (2026)

Higher-Order Causal Structure Learning with Additive Models
von: Enouen, James, et al.
Veröffentlicht: (2025)

Federated Causal Inference: Multi-Study ATE Estimation beyond Meta-Analysis
von: Khellaf, Rémi, et al.
Veröffentlicht: (2024)

Causal de Finetti: On the Identification of Invariant Causal Structure in Exchangeable Data
von: Guo, Siyuan, et al.
Veröffentlicht: (2022)

Orthogonal Causal Calibration
von: Whitehouse, Justin, et al.
Veröffentlicht: (2024)

Combining Experimental and Observational Data for Identification and Estimation of Long-Term Causal Effects
von: Ghassami, AmirEmad, et al.
Veröffentlicht: (2022)

Trek-Based Parameter Identification for Linear Causal Models With Arbitrarily Structured Latent Variables
von: Sturma, Nils, et al.
Veröffentlicht: (2025)

Long-Context Linear System Identification
von: Yüksel, Oğuz Kaan, et al.
Veröffentlicht: (2024)

Counterfactual Generative Modeling with Variational Causal Inference
von: Wu, Yulun, et al.
Veröffentlicht: (2024)

Transfer Learning for Causal Effect Estimation
von: Wei, Song, et al.
Veröffentlicht: (2023)

Identifying Drift, Diffusion, and Causal Structure from Temporal Snapshots
von: Guan, Vincent, et al.
Veröffentlicht: (2024)

Complete Causal Identification from Ancestral Graphs under Selection Bias
von: Chen, Leihao, et al.
Veröffentlicht: (2026)

On the Pointwise Behavior of Recursive Partitioning and Its Implications for Heterogeneous Causal Effect Estimation
von: Cattaneo, Matias D., et al.
Veröffentlicht: (2022)

Local Learning for Covariate Selection in Nonparametric Causal Effect Estimation with Latent Variables
von: Li, Zheng, et al.
Veröffentlicht: (2024)

Partial Identification of Causal Effects Using Proxy Variables
von: Ghassami, AmirEmad, et al.
Veröffentlicht: (2023)

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

Multiply Robust Causal Mediation Analysis with Continuous Treatments
von: Xu, Yizhen, et al.
Veröffentlicht: (2021)

Identifiability of Sparse Causal Effects using Instrumental Variables
von: Pfister, Niklas, et al.
Veröffentlicht: (2022)

Online Statistical Inference in Decision-Making with Matrix Context
von: Han, Qiyu, et al.
Veröffentlicht: (2022)

On the Role of Depth and Looping for In-Context Learning with Task Diversity
von: Gatmiry, Khashayar, et al.
Veröffentlicht: (2024)

Foundations of Structural Causal Models with Latent Selection
von: Chen, Leihao, et al.
Veröffentlicht: (2024)

Variational Causal Inference
von: Wu, Yulun, et al.
Veröffentlicht: (2022)

Transformers Meet In-Context Learning: A Universal Approximation Theory
von: Li, Gen, 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)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

Identifying Causal Effects Using a Single Proxy Variable
von: Vollmer, Silvan, et al.
Veröffentlicht: (2026)

Sinkhorn Treatment Effects: A Causal Optimal Transport Measure
von: Agarwal, Medha, et al.
Veröffentlicht: (2026)

Differentiable Structure Learning and Causal Discovery for General Binary Data
von: Deng, Chang, et al.
Veröffentlicht: (2025)