Copertina

DeCaFlow: A deconfounding causal generative model

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Almodóvar, Alejandro, Javaloy, Adrián, Parras, Juan, Zazo, Santiago, Valera, Isabel
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Kolmogorov-Arnold causal generative models
di: Almodóvar, Alejandro, et al.
Pubblicazione: (2026)

CausalKANs: interpretable treatment effect estimation with Kolmogorov-Arnold networks
di: Almodóvar, Alejandro, et al.
Pubblicazione: (2025)

Deep Survival Analysis in Multimodal Medical Data: A Parametric and Probabilistic Approach with Competing Risks
di: Garrido, Alba, et al.
Pubblicazione: (2025)

COPA: Comparing the incomparable in multi-objective model evaluation
di: Javaloy, Adrián, et al.
Pubblicazione: (2025)

An improved tabular data generator with VAE-GMM integration
di: Apellániz, Patricia A., et al.
Pubblicazione: (2024)

Interpretable Clinical Classification with Kolmogorov-Arnold Networks
di: Almodóvar, Alejandro, et al.
Pubblicazione: (2025)

Synthetic Tabular Data Validation: A Divergence-Based Approach
di: Apellániz, Patricia A., et al.
Pubblicazione: (2024)

Decision-Aware Proximal Bridge Learning for Optimal Treatment Selection
di: Garriga, Tomàs, et al.
Pubblicazione: (2026)

Artificial Inductive Bias for Synthetic Tabular Data Generation in Data-Scarce Scenarios
di: Apellániz, Patricia A., et al.
Pubblicazione: (2024)

An Embarrassingly Simple Way to Optimize Orthogonal Matrices at Scale
di: Javaloy, Adrián, et al.
Pubblicazione: (2026)

How to Square Tensor Networks and Circuits Without Squaring Them
di: Loconte, Lorenzo, et al.
Pubblicazione: (2025)

Hellinger Multimodal Variational Autoencoders
di: Vo, Huyen, et al.
Pubblicazione: (2026)

A Sobering Look at Tabular Data Generation via Probabilistic Circuits
di: Scassola, Davide, et al.
Pubblicazione: (2026)

Long-term Fairness with Selective Labels
di: Valdrighi, Giovani, et al.
Pubblicazione: (2026)

Hyper-Transforming Latent Diffusion Models
di: Peis, Ignacio, et al.
Pubblicazione: (2025)

An AI-powered Bayesian generative modeling approach for causal inference in observational studies
di: Liu, Qiao, et al.
Pubblicazione: (2025)

Forward-Learned Discrete Diffusion: Learning how to noise to denoise faster
di: Bartosh, Grigory, et al.
Pubblicazione: (2026)

First-See-Then-Design: A Multi-Stakeholder View for Optimal Performance-Fairness Trade-Offs
di: Gupta, Kavya, et al.
Pubblicazione: (2026)

An effective potential for generative modelling with active matter
di: Baule, Adrian
Pubblicazione: (2025)

Temporal Variational Implicit Neural Representations
di: Koyuncu, Batuhan, et al.
Pubblicazione: (2025)

CausalDynamics: A large-scale benchmark for structural discovery of dynamical causal models
di: Herdeanu, Benjamin, et al.
Pubblicazione: (2025)

Flow marching for a generative PDE foundation model
di: Chen, Zituo, et al.
Pubblicazione: (2025)

A Causal Framework to Measure and Mitigate Non-binary Treatment Discrimination
di: Majumdar, Ayan, et al.
Pubblicazione: (2025)

Limits of quantum generative models with classical sampling hardness
di: Herbst, Sabrina, et al.
Pubblicazione: (2025)

What is causal about causal models and representations?
di: Jørgensen, Frederik Hytting, et al.
Pubblicazione: (2025)

Towards Reasonable Concept Bottleneck Models
di: Kalampalikis, Nektarios, et al.
Pubblicazione: (2025)

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

Flow-based generative models as iterative algorithms in probability space
di: Xie, Yao, et al.
Pubblicazione: (2025)

Sample, estimate, aggregate: A recipe for causal discovery foundation models
di: Wu, Menghua, et al.
Pubblicazione: (2024)

Improving the interpretability of GNN predictions through conformal-based graph sparsification
di: Sanchez-Martin, Pablo, et al.
Pubblicazione: (2024)

This changes to that : Combining causal and non-causal explanations to generate disease progression in capsule endoscopy
di: Vats, Anuja, et al.
Pubblicazione: (2022)

A deep causal inference model for fully-interpretable travel behaviour analysis
di: Kamal, Kimia, et al.
Pubblicazione: (2024)

DiffPO: A causal diffusion model for learning distributions of potential outcomes
di: Ma, Yuchen, et al.
Pubblicazione: (2024)

Controlling for discrete unmeasured confounding in nonlinear causal models
di: Burauel, Patrick, et al.
Pubblicazione: (2024)

C-XGBoost: A tree boosting model for causal effect estimation
di: Kiriakidou, Niki, et al.
Pubblicazione: (2024)

Robust agents learn causal world models
di: Richens, Jonathan, et al.
Pubblicazione: (2024)

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

Parallel Sampling from Masked Diffusion Models via Conditional Independence Testing
di: Azangulov, Iskander, et al.
Pubblicazione: (2025)

Distilling interpretable causal trees from causal forests
di: Rehill, Patrick
Pubblicazione: (2024)

Causal discovery for linear causal model with correlated noise: an Adversarial Learning Approach
di: Zhou, Mujin, et al.
Pubblicazione: (2026)