Buchumschlag

Estimating Heterogeneous Causal Effect on Networks via Orthogonal Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Yuanchen, Yuan, Yubai
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Robust Offline Active Learning on Graphs
von: Wu, Yuanchen, et al.
Veröffentlicht: (2024)

Distributional Treatment Effect Estimation across Heterogeneous Sites via Optimal Transport
von: Bateni, Borna, et al.
Veröffentlicht: (2025)

Inferring Diffusion Structures of Heterogeneous Network Cascade
von: Yuan, Yubai, et al.
Veröffentlicht: (2025)

Orthogonal Representation Learning for Estimating Causal Quantities
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

Nonparametric Heterogeneous Long-term Causal Effect Estimation via Data Combination
von: Chen, Weilin, et al.
Veröffentlicht: (2025)

Estimating Causal Effects from Learned Causal Networks
von: Raichev, Anna, et al.
Veröffentlicht: (2024)

CausalPFN: Amortized Causal Effect Estimation via In-Context Learning
von: Balazadeh, Vahid, et al.
Veröffentlicht: (2025)

Orthogonal Survival Learners for Estimating Heterogeneous Treatment Effects from Time-to-Event Data
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

Can Explicit Physical Feasibility Benefit VLA Learning? An Empirical Study
von: Wei, Yubai, et al.
Veröffentlicht: (2026)

Deep Learning for Causal Inference: A Comparison of Architectures for Heterogeneous Treatment Effect Estimation
von: Papakostas, Demetrios, et al.
Veröffentlicht: (2024)

LLM Prompt Duel Optimizer: Efficient Label-Free Prompt Optimization
von: Wu, Yuanchen, et al.
Veröffentlicht: (2025)

Doubly Robust Causal Effect Estimation under Networked Interference via Targeted Learning
von: Chen, Weilin, et al.
Veröffentlicht: (2024)

CAIMAN: Causal Action Influence Detection for Sample-efficient Loco-manipulation
von: Yuan, Yuanchen, et al.
Veröffentlicht: (2025)

Orthogonal Learner for Estimating Heterogeneous Long-Term Treatment Effects
von: Ma, Haorui, et al.
Veröffentlicht: (2026)

Network Causal Effect Estimation In Graphical Models Of Contagion And Latent Confounding
von: Wu, Yufeng, et al.
Veröffentlicht: (2024)

Scalable Heterogeneous Graph Learning via Heterogeneous-aware Orthogonal Prototype Experts
von: Zhou, Wei, et al.
Veröffentlicht: (2026)

Adaptive Estimation and Inference in Semi-parametric Heterogeneous Clustered Multitask Learning via Neyman Orthogonality
von: Chen, Hanxiao, et al.
Veröffentlicht: (2026)

Optimal Transport for Latent Integration with An Application to Heterogeneous Neuronal Activity Data
von: Yuan, Yubai, et al.
Veröffentlicht: (2024)

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

Empirical Analysis of Model Selection for Heterogeneous Causal Effect Estimation
von: Mahajan, Divyat, et al.
Veröffentlicht: (2022)

Reconciling Heterogeneous Effects in Causal Inference
von: Chang, Audrey, et al.
Veröffentlicht: (2024)

Federated Learning for Estimating Heterogeneous Treatment Effects
von: Makhija, Disha, et al.
Veröffentlicht: (2024)

Reducing Action Space for Deep Reinforcement Learning via Causal Effect Estimation
von: Liu, Wenzhang, et al.
Veröffentlicht: (2025)

CORE-MTL: Rethinking Gradient Balancing via Causal Orthogonal Representations
von: Wu, Chengfeng, 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)

Causal Effect Estimation with Learned Instrument Representations
von: Dean, Frances, et al.
Veröffentlicht: (2026)

Do-PFN: In-Context Learning for Causal Effect Estimation
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

Long-Term Individual Causal Effect Estimation via Identifiable Latent Representation Learning
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Causal Effect Estimation under Networked Interference without Networked Unconfoundedness Assumption
von: Chen, Weilin, et al.
Veröffentlicht: (2025)

Optimization-based Causal Estimation from Heterogenous Environments
von: Yin, Mingzhang, et al.
Veröffentlicht: (2021)

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

Dynamic Causal Structure Discovery and Causal Effect Estimation
von: Wang, Jianian, et al.
Veröffentlicht: (2025)

Local Causal Discovery for Estimating Causal Effects
von: Gupta, Shantanu, et al.
Veröffentlicht: (2023)

Causal Learning for Heterogeneous Subgroups Based on Nonlinear Causal Kernel Clustering
von: Liu, Lu, et al.
Veröffentlicht: (2025)

Heterogeneous Causal Metapath Graph Neural Network for Gene-Microbe-Disease Association Prediction
von: Zhang, Kexin, et al.
Veröffentlicht: (2024)

Decoupled Orthogonal Dynamics: Regularization for Deep Network Optimizers
von: Chen, Hao, et al.
Veröffentlicht: (2026)

Learning Causally Disentangled Representations via the Principle of Independent Causal Mechanisms
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2023)

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

Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable
von: Kawakami, Yuta, et al.
Veröffentlicht: (2024)