Buchumschlag

Multi-Domain Empirical Bayes for Linearly-Mixed Causal Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Bohan, von Kügelgen, Julius, Blei, David M.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries
von: Wu, Bohan, et al.
Veröffentlicht: (2025)

Identifiable Causal Representation Learning: Unsupervised, Multi-View, and Multi-Environment
von: von Kügelgen, Julius
Veröffentlicht: (2024)

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

Adaptive Nonparametric Perturbations of Parametric Models with Generalized Bayes
von: Wu, Bohan, et al.
Veröffentlicht: (2024)

Hierarchical Causal Models
von: Weinstein, Eli N., et al.
Veröffentlicht: (2024)

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

Neural Generalized Mixed-Effects Models
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2026)

Stable Differentiable Causal Discovery
von: Nazaret, Achille, et al.
Veröffentlicht: (2023)

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

The Illusion of Learning from Observational Data: An Empirical Bayes Perspective
von: Wu, Bohan, et al.
Veröffentlicht: (2026)

Estimating Wage Disparities Using Foundation Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2024)

Empirical Bayes Rebiasing
von: Ling, Wanyi, et al.
Veröffentlicht: (2026)

Identifiable Deep Generative Models via Sparse Decoding
von: Moran, Gemma E., et al.
Veröffentlicht: (2021)

Empirical Bayes Linked Matrix Decomposition
von: Lock, Eric F.
Veröffentlicht: (2024)

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

A Flexible Empirical Bayes Approach to Generalized Linear Models, with Applications to Sparse Logistic Regression
von: Xie, Dongyue, et al.
Veröffentlicht: (2026)

Empirical Bayes 1-bit matrix completion
von: Matsuda, Takeru
Veröffentlicht: (2026)

Safe, Scalable, and Accurate Bayes Posterior Sampling for Large-Data Generalized Linear Mixed Models
von: Baek, Youngsoo, et al.
Veröffentlicht: (2026)

Introducing Diminutive Causal Structure into Graph Representation Learning
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Discrete Causal Representation Learning
von: Zhang, Wenjin, et al.
Veröffentlicht: (2026)

Towards Characterizing Domain Counterfactuals For Invertible Latent Causal Models
von: Zhou, Zeyu, et al.
Veröffentlicht: (2023)

Causal Discovery of Linear Non-Gaussian Causal Models with Unobserved Confounding
von: Schkoda, Daniela, et al.
Veröffentlicht: (2024)

Worst-case low-rank approximations
von: Fries, Anya, et al.
Veröffentlicht: (2026)

Bayesian Ensembling: Insights from Online Optimization and Empirical Bayes
von: Waxman, Daniel, et al.
Veröffentlicht: (2025)

Deconfounding Scores and Representation Learning for Causal Effect Estimation with Weak Overlap
von: Clivio, Oscar, et al.
Veröffentlicht: (2026)

Causal Flow-based Variational Auto-Encoder for Disentangled Causal Representation Learning
von: Fan, Di, et al.
Veröffentlicht: (2023)

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

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

Empirical Bayes Estimation with Side Information: A Nonparametric Integrative Tweedie Approach
von: Luo, Jiajun, et al.
Veröffentlicht: (2023)

On the Parameter Identifiability of Partially Observed Linear Causal Models
von: Dong, Xinshuai, et al.
Veröffentlicht: (2024)

Multi-View Causal Representation Learning with Partial Observability
von: Yao, Dingling, et al.
Veröffentlicht: (2023)

Predictive Causal Inference via Spatio-Temporal Modeling and Penalized Empirical Likelihood
von: Lee, Byunghee, et al.
Veröffentlicht: (2025)

Empirical Bayes Covariance Decomposition, and a Solution to the Multiple Tuning Problem in Sparse PCA
von: Kang, Joonsuk, et al.
Veröffentlicht: (2023)

Towards Identifiability of Hierarchical Temporal Causal Representation Learning
von: Li, Zijian, et al.
Veröffentlicht: (2025)

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

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

Distributed Learning of Generalized Linear Causal Networks
von: Ye, Qiaoling, et al.
Veröffentlicht: (2022)

Causal Representation Learning with Optimal Compression under Complex Treatments
von: Liang, Wanting, et al.
Veröffentlicht: (2026)

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

Causality-Inspired Robustness for Nonlinear Models via Representation Learning
von: Šola, Marin, et al.
Veröffentlicht: (2025)