里卡多·席尔瓦;理查德·谢恩斯;克拉克·格雷摩尔;彼得·斯皮特斯 学习线性潜在变量模型的结构。 （英语） 兹比尔1222.68307 J.马赫。学习。物件。 191-246年7月（2006年）. 摘要：我们描述了随时随地搜索过程，即（1）找到记录变量的不相交子集，对于这些子集，每个子集的成员都被一个共同的未记录原因隔开（如果存在）；（2） 返回这样识别出的潜在因素之间因果关系的信息。我们证明了该过程是点一致的假设：（a）因果关系可以用满足马尔可夫假设和信度假设的有向无环图来表示；（b） 未记录的变量不是由记录的变量引起的；（c）依赖关系是线性的。我们将该方法与标准方法在各种模拟结构和样本大小上进行了比较，并通过对社会科学数据集的简要研究来说明其实用价值。最后，我们考虑非线性系统的推广。 引用于10文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：潜在变量模型;因果关系;图形模型 PDF格式BibTeX公司 XML格式引用 \textit{R.Silva}等人，J.Mach。学习。第7号决议，191--246（2006年；Zbl 1222.68307） 全文： 链接