.png){kind=icon}
返回
Federated local causal structure learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-023-4203-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
局部因果结构学习（LCS）能够高效地从观测数据中识别出指定变量的直接邻域。此外，它能够在不学习整个因果结构的情况下区分该变量的直接原因和直接结果。尽管已提出许多LCS算法，但它们并未考虑数据隐私保护问题，而这一问题已引起学术界和工业界的广泛关注。为解决此问题，我们提出了一种联邦局部因果结构学习（FedLCS）算法，用于在联邦设置下学习隐私保护数据中的局部因果结构。具体而言，FedLCS引入了一种分层联邦局部骨架学习算法来构建局部骨架。基于此骨架，它引入了联邦局部骨架定向算法和扩展-回溯定向算法来定向边。最后，FedLCS使用联邦局部扩展-回溯定向算法来定向剩余的边。在基准、合成和真实数据集上的广泛实验表明，FedLCS能够在联邦设置下学习给定变量的局部因果结构。
Keyword:
local causal structure learning
federated learning
directed acyclic graph
privacy-preserving data
federated layer-wise strategy
期刊
IF:
7.6
论文数:
4.9K
被引数:
8.9K
机构
引用论文
Time and sample efficient discovery of Markov blankets and direct causal relations.png)
Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏
分享收藏
Stable learning establishes some common ground between causal inference and machine learning稳定学习在因果推理和机器学习之间建立了一些共同点
PREAI
分享收藏Blockchain and Federated Learning for Privacy-Preserved Data Sharing in Industrial IoT区块链和联邦学习，用于工业物联网中隐私保护的数据共享
PREAI
分享收藏How to address data privacy concerns when using social media data in conservation science在保护科学中使用社交媒体数据时如何解决数据隐私问题CONSERVATION BIOLOGY
CONSERVATION BIOLOGYIF5.5
PREAI
分享收藏
查看更多内容