检索结果-维普期刊中文期刊服务平台

基于多组典型相关变量的因果关系发现算法被引量：6: 1; 作者陈薇蔡瑞初 +2 位作者伍运金谢峰郝志峰《计算机应用研究》 CSCD 北大核心 2021年第1期53-56,共4页; 现有的因果关系发现算法主要基于单个观察变量本身之间的因果关系,无法适用于多组观察变量,为此提出了一种多组典型相关变量的因果关系发现算法。首先,引入多组典型相关变量建立多组典型相关变量的线性非高斯无环模型并提出对应的目标函... 展开更多; 关键词多组典型相关变量线性非高斯无环模型因果关系发现因果关系网络; 在线阅读下载PDF 职称材料

一种基于最大最小独立性的因果发现算法被引量：2: 2; 作者谢峰蔡瑞初 +1 位作者陈薇郝志峰《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2017年第6期1125-1132,共8页; 线性非高斯无环模型(LiNGAM)具有在没有任何先验知识的情况下能够仅仅从观察数据中完整地识别因果网络的优势,这使得它得到了越来越多研究者的关注.然而,现有求解LiNGAM模型的算法中一部分存在对初始值敏感,容易陷入局部最优解的问题,... 展开更多; 关键词外生变量因果发现最大最小独立性线性非高斯无环模型(LiNGAM); 在线阅读下载PDF 职称材料

基于互信息和叶子节点属性的因果结构学习方法被引量：1: 3; 作者谢峰曾艳《小型微型计算机系统》 CSCD 北大核心 2023年第8期1601-1606,共6页; 线性非高斯无环模型(Linear Non-Gaussian Acyclic Models,LiNGAM)已经被证明能有效区分马尔科夫等价类而获得唯一的因果网络,从而得到越来越多研究者关注.现有学习LiNGAM的方法要么难以有效处理高维网络;要么假设网络结构为树结构而去... 展开更多; 关键词线性非高斯无环模型因果结构学习叶子节点混淆因子互信息; 在线阅读下载PDF 职称材料