Copertina

Measure-Theoretic Anti-Causal Representation Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Behnam, Arman, Wang, Binghui
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Graph Neural Network Causal Explanation via Neural Causal Models
di: Behnam, Arman, et al.
Pubblicazione: (2024)

Information-Theoretic Causal Bounds under Unmeasured Confounding
di: Jung, Yonghan, et al.
Pubblicazione: (2026)

Towards Interpretable Deep Generative Models via Causal Representation Learning
di: Moran, Gemma E., et al.
Pubblicazione: (2025)

Sanity Checking Causal Representation Learning on a Simple Real-World System
di: Gamella, Juan L., et al.
Pubblicazione: (2025)

DCRMTA: Unbiased Causal Representation for Multi-touch Attribution
di: Tang, Jiaming
Pubblicazione: (2024)

HOLOGRAPH: Active Causal Discovery via Sheaf-Theoretic Alignment of Large Language Model Priors
di: Kim, Hyunjun
Pubblicazione: (2025)

Learning Causal Abstractions of Linear Structural Causal Models
di: Massidda, Riccardo, et al.
Pubblicazione: (2024)

Unsupervised Pairwise Causal Discovery on Heterogeneous Data using Mutual Information Measures
di: Trilla, Alexandre, et al.
Pubblicazione: (2024)

Causal Structure Representation Learning of Confounders in Latent Space for Recommendation
di: Xu, Hangtong, et al.
Pubblicazione: (2023)

Causal Temporal Regime Structure Learning
di: Rahmani, Abdellah, et al.
Pubblicazione: (2023)

Probing the Information Theoretical Roots of Spatial Dependence Measures
di: Wang, Zhangyu, et al.
Pubblicazione: (2024)

Causal State Distillation for Explainable Reinforcement Learning
di: Lu, Wenhao, et al.
Pubblicazione: (2023)

Causal SHAP: Feature Attribution with Dependency Awareness through Causal Discovery
di: Ng, Woon Yee, et al.
Pubblicazione: (2025)

DIGIC: Domain Generalizable Imitation Learning by Causal Discovery
di: Chen, Yang, et al.
Pubblicazione: (2024)

CausalCompass: Evaluating the Robustness of Time-Series Causal Discovery in Misspecified Scenarios
di: Yi, Huiyang, et al.
Pubblicazione: (2026)

Causal Machine Learning for Surgical Interventions
di: Tamo, J. Ben, et al.
Pubblicazione: (2025)

Goal-Oriented Sequential Bayesian Experimental Design for Causal Learning
di: Zhang, Zheyu, et al.
Pubblicazione: (2025)

Towards Learning and Explaining Indirect Causal Effects in Neural Networks
di: Reddy, Abbavaram Gowtham, et al.
Pubblicazione: (2023)

Self-Labeling in Multivariate Causality and Quantification for Adaptive Machine Learning
di: Ren, Yutian, et al.
Pubblicazione: (2024)

Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning
di: Zhang, Jiaru, et al.
Pubblicazione: (2025)

Multi-Domain Causal Discovery in Bijective Causal Models
di: Jalaldoust, Kasra, et al.
Pubblicazione: (2025)

Embracing Discrete Search: A Reasonable Approach to Causal Structure Learning
di: Wienöbst, Marcel, et al.
Pubblicazione: (2025)

Deep Optimal Experimental Design for Parameter Estimation Problems
di: Siddiqui, Md Shahriar Rahim, et al.
Pubblicazione: (2024)

Position: Causal Machine Learning Requires Rigorous Synthetic Experiments for Broader Adoption
di: Poinsot, Audrey, et al.
Pubblicazione: (2025)

Learning Causal Structure of Time Series using Best Order Score Search
di: Mansilla, Irene Gema Castillo, et al.
Pubblicazione: (2026)

Causal Layering via Conditional Entropy
di: Feigenbaum, Itai, et al.
Pubblicazione: (2024)

Language Agents Meet Causality -- Bridging LLMs and Causal World Models
di: Gkountouras, John, et al.
Pubblicazione: (2024)

Towards Causal Foundation Model: on Duality between Causal Inference and Attention
di: Zhang, Jiaqi, et al.
Pubblicazione: (2023)

The Robustness of Differentiable Causal Discovery in Misspecified Scenarios
di: Yi, Huiyang, et al.
Pubblicazione: (2025)

Causal Preference Elicitation
di: Bonilla, Edwin V., et al.
Pubblicazione: (2026)

Integrating Large Language Models in Causal Discovery: A Statistical Causal Approach
di: Takayama, Masayuki, et al.
Pubblicazione: (2024)

Shapley-PC: Constraint-based Causal Structure Learning with a Shapley Inspired Framework
di: Russo, Fabrizio, et al.
Pubblicazione: (2023)

A Recipe for Causal Graph Regression: Confounding Effects Revisited
di: Yin, Yujia, et al.
Pubblicazione: (2025)

CausalGuard: Conformal Inference under Graph Uncertainty
di: Singh, Vikash, et al.
Pubblicazione: (2026)

On the Granularity of Causal Effect Identifiability
di: Chen, Yizuo, et al.
Pubblicazione: (2025)

Regularized Multi-LLMs Collaboration for Enhanced Score-based Causal Discovery
di: Li, Xiaoxuan, et al.
Pubblicazione: (2024)

Treatment-Aware Hyperbolic Representation Learning for Causal Effect Estimation with Social Networks
di: Cui, Ziqiang, et al.
Pubblicazione: (2024)

Identifying Conditional Causal Effects in MPDAGs
di: LaPlante, Sara, et al.
Pubblicazione: (2025)

Causal vs. Anticausal merging of predictors
di: Mejia, Sergio Hernan Garrido, et al.
Pubblicazione: (2025)

Transferring Causal Effects using Proxies
di: Iglesias-Alonso, Manuel, et al.
Pubblicazione: (2025)