arXiv stat.ML· Masahiro Tanaka·· 8 天前AI 评分27
利用异方差神经网络学习双向因果相互作用
Learning Bidirectional Causal Interactions with Heteroscedastic Neural Networks
AI 导读
研究者提出异方差神经网络联立方程估计器 SEM-DNN，无需外部工具变量即可从观测数据中学习双向结构性因果相互作用。该方法利用条件协方差对角化，通过包含联立系统雅可比行列式的对角高斯拟似然，联合拟合非线性均值与特征依赖方差。蒙特卡洛实验表明，在高维干扰函数与非高斯冲击下，SEM-DNN 相比参数化和核方法能更可靠地恢复结构效应。
来源：arXiv stat.ML · arxiv.org