基于连续优化定向DAG的因果发现

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：有向无环图(Directed Acyclic Graph,DAG)常被用来进行数据内的因果发现.但是现存算法在构建DAG时往往无法准确分辨相关关系与因果关系.为此,本文提出了CDOCO模型,首先使用因果学习算法针对数据集中的独立性进行检索,并对其中明显的因果关系进行定向,然后将得到的部分有向无环图转换为二值权重矩阵,最后以该矩阵为起点,提出连续优化算法来为无向边进行定向.实验部分则分别在基准数据集以及LTE业务故障诊断案例中验证了本文提出算法的有效性与高效性.

作者：

王正阳

展开 >

作者单位：

中邮通建设咨询有限公司

关键词：

人工智能因果发现连续优化故障诊断

出版年：

2024

江苏通信

江苏省通信学会

江苏通信

影响因子：0.062

ISSN：1007-9513

年,卷(期)：2024.40(3)

参考文献量5