-
题名外生干预与可逆流驱动的弱监督因果表征学习模型
- 1
-
-
作者
张起荣
王彪
-
机构
琼台师范学院信息科学技术学院
-
出处
《计算机应用研究》
北大核心
2025年第11期3340-3347,共8页
-
基金
海南省自然科学基金资助项目(624MS073)。
-
文摘
因果表征学习是实现复杂系统可解释可干预的关键技术。当前研究存在线性假设难以捕捉高维数据中的非线性因果依赖、标注数据稀缺限制模型泛化能力且缺乏可控干预与反事实推理能力的问题。借助外生变量在因果联系解释、反事实推理支持方面的重要作用,构建了一种外生干预与可逆流驱动的弱监督因果表征学习模型。首先,引入外生变量模拟干预场景,通过因果图直观呈现因果路径与依赖关系,实现可控干预与反事实推理。其次,采用可逆流模型捕捉非线性因果依赖,突破线性假设限制;在此基础上引入动态弱监督对齐机制,利用少量标注数据约束因果因子语义可识别性,缓解标注数据稀缺问题。实验结果表明,在Causal3DIdent数据集上,模型取得了显著的性能提升,因果因子识别准确率达到94.5%(较基线模型提升8.8%),干预均方误差降低至0.015(下降47.7%)。此外,在Pendulum-v1等数据集上,该模型同样表现出较好的性能,尤其在面向标签数据稀缺情况下仍能实现有效因果推断,展现出良好的泛化能力与应用前景。
-
关键词
因果表征学习
外生干预
可逆流模型
弱监督学习
变分自编码器
-
Keywords
causal representation learning(CRL)
exogenous intervention
reversible flow model
weakly-supervised lear-ning
variational AutoEncoder
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
