论文部分内容阅读
联合观察数据和扰动数据学习因果网络是一种基于扰动的机器学习方法，通过扰动学习可以利用少量样本发现网络中的因果关系，扰动对于因果关系的影响主要体现在网络参数方面。提出了一种基于灵敏性分析的因果网络参数的扰动学习算法（intervention learning of parameter sensitivity analysis，ILPSA）。对于给定的先验网络，ILPSA算法利用联合树推理算法生成灵敏性函数，通过对灵敏性函数的参数重要性分析提出扰动结点的一种主动选取方法；对扰动结点的主动干扰产生扰动数据，然后