原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于机器学习技术领域，具体为一种基于条件独立性测试和连续优化的因果发现方法。本发明方法包括：利用条件独立性测试建立掩盖矩阵；基于掩盖矩阵设计连续优化损失函数中的约束项(硬约束/软约束)；利用变分自编码器和结构因果模型结合建立变分图自编码器模型，并导出对应的证据下界目标函数；基于二次罚函数法优化等式约束优化问题得到权重矩阵从而发现因果关系，并对方法进行了虚拟数据集和真实生物数据集的验证。本发明能够弥补现有基于连续优化的因果发现方法在处理较少样本和异质噪声场景下发现因果关系的能力不足。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116756381 A
(43)申请公布日 2023.09.15
(21)申请号 202310743834.0 G06F 17/16 (2006.01)
(22)申请日 2023.06.
文档评论（0）