Markov Equivalence of Max-Linear Bayesian Networks
最大线性贝叶斯网络的马尔可夫等价性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论用于因果推断的贝叶斯网络及其马尔可夫等价性，直接对应因果结构分析。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
最大线性贝叶斯网络的马尔可夫等价性
- 研究问题
- 用于极值数据因果分析的最大线性贝叶斯网络，其条件独立性质不同于高斯网络时，马尔可夫等价类会怎样变化？
- 方法与思路
- 作者借助热带化建立最大线性网络与经典网络理论之间的联系，并分析由条件独立关系决定的马尔可夫等价类。
- 材料陈述的贡献
- 摘要称最大线性贝叶斯网络的马尔可夫等价类与通常条件独立理论得到的等价类一致，连接极值统计、因果分析与热带几何。
- 阅读关注点
- 应核对最大线性模型与等价关系的精确定义、热带化的作用，以及等价类一致这一结果对因果结构可识别性的含义。
- 阅读边界
- 这是arXiv预印本，不能据此声称已同行评审或期刊接收。摘要未说明完整模型条件，也未提供经验识别或有限样本学习结论。
原文摘要
Max-linear Bayesian networks have emerged as highly applicable models for causal inference via extreme value data. However, conditional independence (CI) for max-linear Bayesian networks behaves differently than for classical Gaussian Bayesian networks. We establish the parallel between the two theories via tropicalization, and establish the surprising result that the Markov equivalence classes for max-linear Bayesian networks coincide with the ones obtained by regular CI. Our paper opens up many problems at the intersection of extreme value statistics, causal inference and tropical geometry.