.png){kind=icon}
返回
A PC Algorithm for Max-Linear Bayesian Networks
.png){kind=icon}
PRE
AI
DOI：10.1080/10618600.2026.2673046.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
最大线性贝叶斯网络（MLBNs）是一类相对较新的结构方程模型，其产生于涉及的随机变量具有重尾分布的情况。与大多数有向图模型不同，MLBNs通常不忠实于d-分离，因此传统的因果发现算法（如PC算法或贪婪等价搜索）无法准确恢复真实的图结构。本文开始研究在给定测试真实未知图中条件独立性的先验（oracle）的情况下，用于MLBNs的约束基发现算法。我们证明，如果该先验由真实图中的& lowast; -分离标准给出，那么PC算法在存在由& lowast; -分离隐含的额外CI陈述时仍然保持一致性。我们还引入了一种新的因果发现算法，命名为PCstar，该算法假设忠实于C & lowast; -分离，并能够定向仅使用d-或& lowast; -分离无法定向的额外边。本文的补充材料可在网上获得。
Keyword:
Causal discovery
Conditional independence
Extreme value theory
Graphical models
Separation criteria
期刊
J
IF:
1.8
论文数:
141
被引数:
6.4K
机构
引用论文
暂无论文信息