LinADMG：多域表示学习识别含隐混杂线性因果

研究者 Danru Xu、Aapo Hyvärinen、Sara Magliacane 提出 LinADMG 框架，通过多域可识别表示学习，为含潜在混杂的线性因果模型学习祖先图（ADMG），不依赖非高斯性或 bow-freeness 假设。 该框架称，噪声变量的可识别性足以恢复全部直接因果关系；在额外的隐混杂无抵消条件下，可识别完整 ADMG。LinADMG 用四种现有可识别表示学习方法实现，并在模拟与半合成数据集上完成验证。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。