Structural Identifiability of Graphical Continuous Lyapunov Models
图形连续 Lyapunov 模型的结构可识别性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：摘要明确将图模型等价与结构可识别性结果用于因果推断理论。
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…
图形连续 Lyapunov 模型的结构可识别性
- 研究问题
- 在噪声不相关的无环图形连续 Lyapunov 模型中，哪些不同有向图生成相同模型，又如何判定给定图的结构可识别性？
- 方法与思路
- 作者通过相同骨架与诱导四节点子图的等价性刻画模型等价，并给出基于结构化边反转的另一种变换式刻画。
- 材料陈述的贡献
- 摘要称，两种刻画表明该模型的等价类细于对应贝叶斯网络等价类，并导出检验模型等价和结构可识别性的多项式时间算法。
- 阅读关注点
- 应核对模型等价的精确定义、不相关噪声与无环性的作用、四节点判据和边反转规则，以及算法复杂度的计量方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出证明和参数约束，不能将结果直接推广到有环图或相关噪声。
原文摘要
We prove two characterizations of model equivalence of acyclic graphical continuous Lyapunov models (GCLMs) with uncorrelated noise. The first result shows that two graphs are model equivalent if and only if they have the same skeleton and equivalent induced 4-node subgraphs. We also give a transformational characterization via structured edge reversals. The two theorems are Lyapunov analogues of celebrated results for Bayesian networks by Verma and Pearl, and Chickering, respectively. Our results have broad consequences for the theory of causal inference of GCLMs. First, we find that model equivalence classes of acyclic GCLMs refine the corresponding classes of Bayesian networks. Furthermore, we obtain polynomial-time algorithms to test model equivalence and structural identifiability of given directed acyclic graphs.