跳到正文
arXiv · ML· Shunyu Zhao, Yanfeng Yang, Shuai Li, Kenji Fukumizu·· 10 天前AI 评分22

FMCIT与GPC-FMCIT:基于流匹配的因果发现条件重采样方法

Reusable Conditional Resampling via Flow Matching for Constraint-Based Causal Discovery

AI 导读

研究提出基于流匹配的生成式条件独立性测试框架FMCIT及图搜索方法GPC-FMCIT,通过Langevin-RePaint实现条件填补。 方法引入可复用条件重采样,在PC风格因果发现中降低单次非线性CI查询成本及整体查询复杂度,并建立了一类错误控制的理论保证。 在合成非线性结构方程模型上,GPC-FMCIT相比PC-stable基线提升了CPDAG恢复率,且所需FMCIT查询次数更少。

来源:arXiv · ML · arxiv.org