因果图模型导论，183页ppt，加州理工Spencer Gordon讲授

本讲座将介绍贝叶斯网络及其因果解释，如因果图模型、d-分离、微积分和Shpitser-Pearl ID算法。我们将从介绍贝叶斯网络、因果图模型和干预开始。然后，我们将展示两个具有相同骨架和v结构的贝叶斯网络，它们代表了相同的条件独立假设，并证明存在于任何贝叶斯网络中的d分离，会使所有条件独立假设在根据该网络进行因数分解的任何分布中都不成立。然后我们转向因果模型并引入微积分。我们展示了每一个演算规则的合理性。最后，我们描述了半马尔可夫模型中因果效应识别的shpitsere - pearl算法，并在时间允许的情况下，证明了该ID算法对因果效应识别的完备性;也就是说，当且仅当ID算法成功终止时，因果关系是可识别的。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CGM” 就可以获取《因果图模型导论，183页ppt，加州理工Spencer Gordon讲授》专知下载链接

                       

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取100000+AI主题知识资料