清平清水;塔卡诺里·伊纳祖米;Sogawa、Yasuhiro;阿波省Hyvärinen;川原幸男;高石和雄;Patrik O·霍耶。;肯尼斯·博伦 DirectLiNGAM：学习线性非高斯结构方程模型的直接方法。 （英文） Zbl 1280.68195号 J.马赫。学习。物件。 12, 1225-1248 (2011). 摘要：结构方程模型和贝叶斯网络已被广泛用于分析连续变量之间的因果关系。在这种框架中，线性非循环模型通常用于建模变量的数据生成过程。最近，研究表明，使用非高斯性识别线性非循环模型的完整结构，即变量的因果顺序及其连接强度，而不使用任何关于网络结构的先验知识，这与传统方法不同。然而，现有的估计方法是基于迭代搜索算法的，可能无法在有限步数内收敛到正确的解。在本文中，我们提出了一种新的基于非高斯性的因果排序和连接强度的直接估计方法。与以前的方法相比，我们的算法不需要算法参数，并且如果数据严格遵循模型，也就是说，如果满足所有模型假设并且样本大小是无限的，那么我们的算法可以保证在固定的小步数内收敛到正确的解。 引用于27文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62J05型 线性回归；混合模型 62E10型 统计分布的特征和结构理论 2015年1月62日 贝叶斯推断 关键词：结构方程模型;贝叶斯网络;独立成分分析;非高斯性;因果发现 软件：DirectLiNGAM公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Shimizu}等人，J.Mach。学习。第11225-1248号决议（2011年；兹比尔1280.68195） 全文： arXiv公司 链接