Forschung
Divide-and-Conquer-Algorithmus erweitert SCMs auf semi-Markovian Modelle In einer neuen Veröffentlichung auf arXiv präsentiert Bjør und Kollegen einen innovativen Ansatz, um Gegenfaktische Wahrscheinlichkeiten in Strukturellen Kausalen Modellen (SCMs) zu begrenzen. Der Kern des Verfahrens ist ein Divide-and-Conquer-Algorithmus, der ursprünglich für Markovian SCMs entwickelt wurde, bei denen jede exogene Variable nur eine endogene Variable beeinflusst. Der Algorithmus nutzt die kanonische Darstellung der
arXiv – cs.AI