nach oben

The Journal of Supercomputing

Erschienen in:

01.09.2018

An efficient causal structure learning algorithm for linear arbitrarily distributed continuous data

verfasst von: Jing Yang, Na Li, Ning An, Yu Chen, Gil Alterovitz

Erschienen in: The Journal of Supercomputing | Ausgabe 5/2020

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Aim to the linear arbitrarily distributed continuous data, an causal structure learning algorithm BSEM, which is based on simultaneous equations model, was presented. The algorithm merges together simultaneous equations model and local learning. The contribution of this paper is that for linear arbitrarily distributed datasets, BSEM algorithm can effectively learn the causal structure from the datasets. We used the Sociology data to do experiments, and results demonstrated that BSEM displays good accuracy and time performance.

Vorheriger Artikel Design and experiment of intelligent monitoring system for vegetable fertilizing and sowing

Nächster Artikel Research on web server cluster load balancing algorithm in web education system

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Opgen-Rhein R, Strimmer K (2007) From correlation to causation networks: a simple approximate learning algorithm and its application to high-dimensional plant gene expression data. BMC Syst Biol 1:37CrossRef

Yuan X, Xie L, Abouelenien M (2018) A regularized ensemble framework of deep learning for cancer detection from multi-class, imbalanced training data. Pattern Recognit 77:160–172CrossRef

Yuan X, Abouelenien M, Elhoseny M (2007) A boosting-based decision fusion method for learning from large, imbalanced face data set. Quantum Comput Environ Intell Large Scale Real Appl 33:433–448CrossRef

Yu K, Wu X, Ding W, Pei J (2016) Scalable and accurate online feature selection for big data. ACM Trans Knowl Discov Data 11(2):16CrossRef

Pearl J (2000) Causality: models, reasoning, and inference. Cambridge University Press, CambridgeMATH

Yang J, Li L, Wang AG (2011) A partial correlation-based Bayesian network structure learning algorithm under linear SEM. Knowl-Based Syst 24:963–976CrossRef

Friedman N, Nachman I, Peer D (1999) Learning Bayesian network structure from massive datasets: the “sparse candidate” algorithm. In: Proceedings of the 15th International Conference on Uncertainty in Artificial Intelligence (UAI1999), pp 206–215

Yu K, Wu XD, Ding W, Wang H (2012) Exploring causal relationships with streaming features. Comput J 55(9):1103–1117CrossRef

Hyvärinen A, Zhang K, Shimizu S, Hoyer PO (2010) Estimation of a structural vector auto regressive model using non-Gaussianity. J Mach Learn Res 11:1709–1731MathSciNetMATH

10.

Shimizu S, Hoyer PO, Hyvärinen A, Kerminen A (2006) A linear non-Gaussian acyclic model for causal discovery. J Mach Learn Res 7:2003–2030MathSciNetMATH

11.

Hoyer OP, Hyvärinen A, Scheines R, Spirtes P, Ramsey J, Lacerda G, Shimizu S (2008) Causal discovery of linear acyclic models with arbitrary distributions. In: Proceedings of the 24th Conference on Uncertainty in Artificial Intelligence (UAI2008), Helsinki, Finland, pp 282–289

12.

Wang ZX, Chan LW (2009) A heuristic partial-correlation-based algorithm for causal relationship discovery on continuous data. In: Proceedings of the Intelligence Data Engineering and Automated Learning (IDEAL2009), pp 234–241

13.

Wang ZX, Chan LW (2010) An efficient causal discovery algorithm for linear models. In: Proceedings of the ACM Conference on Knowledge Discovery and Data Mining (KDD2010), pp 1109–1117

14.

Shimizu S, Inazumi T, Sogawa Y, Hyvärinen A, Kawahara Y, Washio T, Hoyer PO, Bollen K (2011) DirectLiNGAM: a direct method for learning a linear non-Gaussian structural equation model. J Mach Learn Res 12:1225–1248MathSciNetMATH

15.

Yang J, An N, Alterovitz G (2016) A partial correlation statistic structure learning algorithm under linear structural equation models. IEEE Trans Knowl Data Eng 28(10):2552–2565CrossRef

Titel: An efficient causal structure learning algorithm for linear arbitrarily distributed continuous data
verfasst von: Jing Yang
Na Li
Ning An
Yu Chen
Gil Alterovitz
Publikationsdatum: 01.09.2018
Verlag: Springer US
Erschienen in: The Journal of Supercomputing / Ausgabe 5/2020
Print ISSN: 0920-8542
Elektronische ISSN: 1573-0484
DOI: https://doi.org/10.1007/s11227-018-2557-5

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 5/2020

Editor’s note

Air volume improvement in the duct system in frost-free refrigerators based on the CFD method

Adaptive iterative learning control based on particle swarm optimization

A new goal ordering for incremental planning

Multisource and multiuser water resources allocation based on genetic algorithm

Energy consumption analysis of Virtual Machine migration in cloud using hybrid swarm optimization (ABC–BA)

Premium Partner