注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 定性推理方法

  2. 定性推理是人工智能学的一种推理方法。本书详细而系统的介绍了定性推理的发展历史和当前的主要研究方向，讨论了定性推理的基本方法，阐述了有关定性代数，定性仿真方法，定性因果推理和定性空间推理等。

  3. 所属分类：专业指导

    • 发布日期：2016-06-29
    • 文件大小：4194304
    • 提供者：zimimei

  1. AAAI 2020最新「因果推理表示学习」【附122页ppt和最新综述论文】.zip

  2. 近年来，将传统的处理效果估计方法(如匹配估计器)和先进的表示学习方法(如深度神经网络)相结合的一个新兴的研究方向在广阔的人工智能领域引起了越来越多的关注。来自Georgia、Buffalo、*与Virginia的学者做了因果推理表示学习报告，在本教程中，介绍用于治疗效果估计的传统和最先进的表示学习算法。关于因果推论，反事实和匹配估计的背景也将被包括。我们还将展示这些方法在不同应用领域的应用前景。

  3. 所属分类：机器学习

    • 发布日期：2020-02-12
    • 文件大小：7340032
    • 提供者：syp_net

  1. ICML 2020上与【因果推理】相关的论文（六篇）

  2. 在ICML 2020上，我们发现基于因果推理（Causal Inference）相关的paper很多，因果推理，以及反事实等相关理论方法在CV、NLP都开始有相关的应用了，这个前沿的方法受到了很多人的关注。

  3. 所属分类：机器学习

    • 发布日期：2020-09-10
    • 文件大小：4194304
    • 提供者：syp_net

  1. ICLR 2021上与【因果推理】相关的投稿论文（七篇）

  2. ICLR 采用公开评审，可以提前看到这些论文。本文发现基于因果推理（Causal Inference）相关的投稿paper很多，因果推理，以及反事实等相关理论方法在CV、NLP都开始有相关的应用了，这个前沿的方法受到了很多人的关注。

  3. 所属分类：机器学习

    • 发布日期：2020-10-08
    • 文件大小：22020096
    • 提供者：syp_net

  1. NeurIPS 2020上与【因果推理】相关论文（六篇论文）

  2. 本文为大家奉上NeurIPS 2020必读的六篇因果推理（Causal Inference）相关论文——Covid-19传播因果分析、反事实概率方法、因果图发现、因果模仿学习、弱监督语义分割、不确定性因果效应。

  3. 所属分类：机器学习

    • 发布日期：2020-11-15
    • 文件大小：10485760
    • 提供者：syp_net

  1. 因果推理发展综述《The Development of Causal Reasoning》

  2. 对因果推理发展的研究广泛地集中于实现两个目标: 理解因果推理的起源，以及检验因果推理如何随着发展而变化。本书回顾了旨在实现这两个目标的证据和理论。

  3. 所属分类：机器学习

    • 发布日期：2020-11-28
    • 文件大小：296960
    • 提供者：syp_net

  1. 「因果推理」概述论文（发表自engineering）

  2. 因果推理是解释性分析的强大建模工具，它可使当前的机器学习变得可解释。如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为了将因果推理的知识带给机器学习和人工智能领域的学者，我们邀请从事因果推理的研究人员，从因果推理的不同方面撰写了本综述。

  3. 所属分类：机器学习

    • 发布日期：2021-03-21
    • 文件大小：1048576
    • 提供者：syp_net

  1. causalcrushers:团队资料库，用于课程识别和因果推理-源码

  2. causalcrushers:团队资料库，用于课程识别和因果推理

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：3145728
    • 提供者：weixin_42104906

  1. stats-ii-lab:统计建模与因果推理2020-I教程存储库-源码

  2. 统计建模与因果推理2020-I教程 统计建模与因果推理2020-I教程存储库 概述 任期： 2020年Spring授课教师： Marina Wyss和Sebastian Ramirez Ruiz 地点：柏林赫蒂学校第1组：计算机实验室1.61，10-12，星期三第2组：星期四，8-10，房间3.61 第3组：星期四，10-12，计算机实验室1.61 第4组：星期四，12-14，计算机实验室1.61 资料库 该存储库将在“统计建模与因果推理”课程的教程课程中使用。 在这里，您将找到实验室幻灯片，代

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：23068672
    • 提供者：weixin_42143806

  1. 受人脑记忆和因果推理启发的结构损伤定位和评估模型

  2. 受人脑记忆和因果推理启发的结构损伤定位和评估模型

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38631329

  1. CausInf:因果推理课程-源码

  2. 因果 因果推理课程

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：3145728
    • 提供者：weixin_42133918

  1. 因果关系幻灯片：西雅图大学因果推理课的幻灯片-源码

  2. 因果关系幻灯片 西雅图大学因果推理课的幻灯片 本课遵循我的教科书 ，该书的上半部分目前可在线获得，尽管很快将有其他章节提供。 它还利用了我的系列，并请注意，这些视频涵盖因果关系概念，但不包括因果关系概念，它们甚至不使用回归。 该类确实使用回归。 （ ） （ ） （） （事件研究和综合控制）

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：39845888
    • 提供者：weixin_42121086

  1. 因果推理-源码

  2. 因果推理

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：11264
    • 提供者：weixin_42164534

  1. 基于证据推理规则的数据驱动的近似因果推理模型

  2. 基于证据推理规则的数据驱动的近似因果推理模型

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_38720762

  1. CausalDART：与因果推理有关的工作，使用BART的修改版-源码

  2. 因果关系 使用修改后的BART版本进行因果推理相关的工作

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：15728640
    • 提供者：weixin_42160398

  1. causalml：使用机器学习算法进行提升建模和因果推理-源码

  2. 免责声明 这个项目很稳定，可以长期支持。 它可能包含新的实验代码，其API可能会更改。 因果ML：用于ML进行抬升建模和因果推理的Python包 Causal ML是一个Python软件包，它提供了一套基于最近研究的，使用机器学习算法的提升模型和因果推理方法。 它提供了一个标准界面，允许用户从实验或观察数据中估计条件平均治疗效果（CATE）或个体治疗效果（ITE）。 本质上，它为具有观察特征X用户估计了干预T对结果Y的因果影响，而无需对模型形式做出强烈假设。 典型的用例包括 广告系列定位优化：提

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42115074

  1. dowhy：DoWhy是用于因果推断的Python库，它支持因果假设的显式建模和测试。 DoWhy基于用于因果推理的统一语言，结合了因果图形模型和潜在结果框架-源码

  2. dowhy：DoWhy是用于因果推断的Python库，它支持因果假设的显式建模和测试。 DoWhy基于用于因果推理的统一语言，结合了因果图形模型和潜在结果框架

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42128141

  1. CausalInference.jl：使用PC算法进行因果推理，图形模型和结构学习-源码

  2. CausalInference.jl：使用PC算法进行因果推理，图形模型和结构学习

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：43008
    • 提供者：weixin_42104181

  1. InvariantCausal.jl：具有不变预测的因果推理-源码

  2. InvariantCausal.jl：具有不变预测的因果推理

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42108778

  1. EconML：ALICE（因果关系和经济学的自动学习和情报）是一项Microsoft研究项目，旨在将人工智能概念应用于经济决策。 它的目标之一是构建一个工具包，将最先进的机器学习技术与计量经济学相结合，以使自动化解决复杂的因果推理问题。 迄

  2. EconML：用于基于ML的异构处理效果估计的Python包 EconML是一个Python软件包，用于通过机器学习从观察数据中估计异构处理效果。 此软件包是作为Microsoft Research的一部分设计和构建的，目的是将最新的机器学习技术与计量经济学相结合，以使自动化解决复杂的因果推理问题。 EconML的承诺： 在计量经济学和机器学习的交集中实现文献中的最新技术 保持建模效果异质性的灵活性（通过诸如随机森林，增强，套索和神经网络之类的技术），同时保留对所学模型的因果解释，并经常提供有

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17825792
    • 提供者：weixin_42109545
« 12 3 4 »