清平清水;Patrik O·霍耶。;阿波省Hyvärinen;科米宁，安蒂 因果发现的线性非高斯非循环模型。 （英语） Zbl 1222.68304号 J.马赫。学习。物件。 7, 2003-2030 (2006). 摘要：近年来，提出了几种从非外围数据中发现因果结构的方法。这些方法对数据生成过程进行了各种假设，以便于从纯粹的观测数据中识别数据。继续这一研究方向，我们展示了如何在以下假设下发现连续值数据的完整因果结构：（a）数据生成过程是线性的，（b）不存在未观察到的混杂因素，以及（c）扰动变量具有非零方差的非高斯分布。该解决方案依赖于被称为独立成分分析的统计方法的使用，并且不需要预先指定变量的时间顺序。我们提供了一个完整的Matlab包来执行LiNGAM分析（线性非高斯非循环模型的缩写），并使用人工生成的数据和实际数据证明了该方法的有效性。 引用于1审查引用于78文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H25个 因子分析和主成分；对应分析 关键词：独立成分分析;非高斯性;因果发现;有向无圈图;非外围数据 软件：Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Shimizu}等人，J.Mach。学习。第7号决议，2003年--2030年（2006年；Zbl 1222.68304） 全文： 链接