简介：估计有向无环图(DAG，也称为贝叶斯网络)的结构是一个具有挑战性的问题，因为DAG的搜索空间是组合的，并且随着节点数量的超指数扩展。现有的方法依赖于各种局部启发式来加强非循环性约束。在本文中，我们引入了一个完全不同的策略: 我们将结构学习问题表述为一个在实矩阵上的连续优化问题，它完全避免了这种组合约束。这是通过对非循环的一种新颖的描述实现的，这种描述不仅平滑而且准确。由此产生的问题可以用标准的数值算法有效地解决，也使实现毫不费力。该方法优于现有的方法，不需要在图上强加任何结构假设，如有界树的宽度或程度。

 

链接：https://arxiv.org/pdf/1803.01422.pdf
推荐理由：本文创新性地提出了对于有向无环图约束的连续正则项(DAG约束)，由此启发了后续一系列的相关研究工作，使得causal discovery可以做到更大规模的数据中，并显著提升了优化效率。

内容中包含的图片若涉及版权问题，请及时与我们联系删除