Buchumschlag

Causal Learning with the Invariance Principle

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Montagna, Francesco, Locatello, Francesco
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Identifiability of Causal Graphs with the Invariance Principle
von: Montagna, Francesco
Veröffentlicht: (2025)

Unifying Causal Representation Learning with the Invariance Principle
von: Yao, Dingling, et al.
Veröffentlicht: (2024)

The Rate-Distortion-Polysemanticity Tradeoff in SAEs
von: Mencattini, Tommaso, et al.
Veröffentlicht: (2026)

Demystifying amortized causal discovery with transformers
von: Montagna, Francesco, et al.
Veröffentlicht: (2024)

Marrying Causal Representation Learning with Dynamical Systems for Science
von: Yao, Dingling, et al.
Veröffentlicht: (2024)

Exploratory Causal Inference in SAEnce
von: Mencattini, Tommaso, et al.
Veröffentlicht: (2025)

Score matching through the roof: linear, nonlinear, and latent variables causal discovery
von: Montagna, Francesco, et al.
Veröffentlicht: (2024)

A Sparsity Principle for Partially Observable Causal Representation Learning
von: Xu, Danru, et al.
Veröffentlicht: (2024)

Controlling Transient Amplification Improves Long-horizon Rollouts
von: Pervez, Adeel, et al.
Veröffentlicht: (2026)

The Third Pillar of Causal Analysis? A Measurement Perspective on Causal Representations
von: Yao, Dingling, et al.
Veröffentlicht: (2025)

Addressing Instrument-Outcome Confounding in Mendelian Randomization through Representation Learning
von: Huang, Shimeng, et al.
Veröffentlicht: (2026)

Learning Discrete Diffusion of Graphs via Free-Energy Gradient Flows
von: Rancati, Dario, et al.
Veröffentlicht: (2026)

Smoke and Mirrors in Causal Downstream Tasks
von: Cadei, Riccardo, et al.
Veröffentlicht: (2024)

Assumption violations in causal discovery and the robustness of score matching
von: Montagna, Francesco, et al.
Veröffentlicht: (2023)

Identifying General Mechanism Shifts in Linear Causal Representations
von: Chen, Tianyu, et al.
Veröffentlicht: (2024)

Toward Identifiable Sparse Autoencoders
von: Nelson, Walter, et al.
Veröffentlicht: (2026)

Mechanistic PDE Networks for Discovery of Governing Equations
von: Pervez, Adeel, et al.
Veröffentlicht: (2025)

Mechanistic Neural Networks for Scientific Machine Learning
von: Pervez, Adeel, et al.
Veröffentlicht: (2024)

Towards a holistic understanding of Selection Bias for Causal Effect Identification
von: Qiu, Yiwen, et al.
Veröffentlicht: (2026)

Prediction-Powered Causal Inferences
von: Cadei, Riccardo, et al.
Veröffentlicht: (2025)

Self-Compatibility: Evaluating Causal Discovery without Ground Truth
von: Faller, Philipp M., et al.
Veröffentlicht: (2023)

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

Out-of-Distribution Detection with Relative Angles
von: Demirel, Berker, et al.
Veröffentlicht: (2024)

Statistical and structural identifiability in representation learning
von: Nelson, Walter, et al.
Veröffentlicht: (2026)

High-dimensional Analysis of Synthetic Data Selection
von: Rezaei, Parham, et al.
Veröffentlicht: (2025)

Navigating the Latent Space Dynamics of Neural Models
von: Fumero, Marco, et al.
Veröffentlicht: (2025)

Scalable Mechanistic Neural Networks for Differential Equations and Machine Learning
von: Chen, Jiale, et al.
Veröffentlicht: (2024)

Binding Dynamics in Rotating Features
von: Löwe, Sindy, et al.
Veröffentlicht: (2024)

The Perception-Physics Paradox: Probing Scientific Alignment with TC-Bench
von: Yao, Dingling, et al.
Veröffentlicht: (2026)

Latent Space Translation via Inverse Relative Projection
von: Maiorca, Valentino, et al.
Veröffentlicht: (2024)

Scalable unsupervised alignment of general metric and non-metric structures
von: Vedula, Sanketh, et al.
Veröffentlicht: (2024)

Latent Functional Maps: a spectral framework for representation alignment
von: Fumero, Marco, et al.
Veröffentlicht: (2024)

MorphGen: Controllable and Morphologically Plausible Generative Cell-Imaging
von: Demirel, Berker, et al.
Veröffentlicht: (2025)

Connecting Neural Models Latent Geometries with Relative Geodesic Representations
von: Yu, Hanlin, et al.
Veröffentlicht: (2025)

Latent Space Translation via Semantic Alignment
von: Maiorca, Valentino, et al.
Veröffentlicht: (2023)

Efficient Hyperparameter Tuning via Trajectory Invariance Principle
von: Li, Bingrui, et al.
Veröffentlicht: (2025)

Identifiable Object-Centric Representation Learning via Probabilistic Slot Attention
von: Kori, Avinash, et al.
Veröffentlicht: (2024)

Learning Local Causal World Models with State Space Models and Attention
von: Petri, Francesco, et al.
Veröffentlicht: (2025)

Grounded Object Centric Learning
von: Kori, Avinash, et al.
Veröffentlicht: (2023)

ResiDual Transformer Alignment with Spectral Decomposition
von: Basile, Lorenzo, et al.
Veröffentlicht: (2024)