基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

基于条件独立性检验的非稳态因果发现方法

非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识,无法应用于分段稳态的非稳态场景。因此,提出了一种基于条件独立性检验的非稳态因果关系发现算法。首先使用变化点检测方法来识别非稳态变化的时间点,然后将上一步的时间点进行区间划分,用基于条件独立性检验的时序因果关系发现算法推断局部稳态因果结构。在仿真和真实世界数据上的实验证明了该方法的有效性。

基于改进门控循环神经网络的采煤机滚筒调高量预测

采煤机自适应截割技术是实现综采工作面智能化开采的关键技术。针对采煤机在复杂煤层下自动截割精度较低的问题,提出了一种基于改进门控循环神经网络(GRU)的采煤机滚筒调高量预测方法。鉴于截割轨迹纵向及横向相邻数据之间的相关性,采用定长滑动时间窗法对获取的采煤机滚筒高度数据进行预处理,将输入数据划分为连续、大小可调的子序列,同时处理横向、纵向的特征信息。为提高模型预测效率,满足循环截割的实时性要求,提出了一种用因果卷积改进的门控循环神经网络(CC-GRU),对输入数据进行双重特征提取和双重数据过滤。CC-GRU利用因果卷积提前聚焦序列纵向的局部时间特征,以减少计算成本,提高运算速度;利用门控机制对卷积得到的特征进行序列化建模,以捕捉元素之间的长期依赖关系。实验结果表明,采用CC-GRU模型对采煤机滚筒调高量进行预测,平均绝对误差(MAE)为43.80 mm,平均绝对百分比误差(MAPE)为1.90%,均方根误差(RMSE)为50.35 mm,决定系数为0.65,预测时间仅为0.17 s;相比于长短时记忆(LSTM)神经网络、GRU、时域卷积网络(TCN),CC-GRU模型的预测速度较快且预测精度较高,能够更准确地对采煤机调高轨迹进行实时预测,为工作面煤层模型的建立和采煤机调高轨迹的预测提供了依据。

因果关系表示增强的跨领域命名实体识别

跨领域命名实体识别在现实应用中,尤其在目标领域数据稀缺的小样本场景中具有重要价值。然而,现有方法主要是通过特征表示或模型参数共享实现的跨领域实体能力迁移,未充分考虑由于样本选择偏差而引起的虚假相关性问题。为了解决跨领域中的虚假相关性问题,提出一种因果关系表示增强的跨领域命名实体识别模型,将源域的语义特征表示与目标域的语义特征表示进行融合,生成一种增强的上下文语义特征表示。通过结构因果模型捕捉增强后的特征变量与标签之间的因果关系。在目标域中应用因果干预和反事实推断策略,提取存在的直接因果效应,从而进一步缓解特征与标签之间的虚假相关性问题。该方法在公共数据集上进行了实验,实验结果得到了显著提高。

时序数据的因果关系交互式可视分析

针对时序数据中因果关系检测算法效率低、错误率高、可解释性低的问题,本文提出一种新颖的用于时序数据的因果关系检测模型。该模型整合了泛函贪婪等价搜索(F-GES)模型与格兰杰(Granger)因果关系模型,展开因果关系的抽取和推断,并提出了因果关系可视分析方法,以交互式地分析时序数据中变量间的因果关系。可视分析方法形成了参数视图用于提高因果关系探索效率、因果关系树图用于直观有效地展示变量之间的因果关系、时间视图用于比较原始时序数据、堆叠流图用于帮助用户探索时序数据的层次演变以及平行坐标图用于进行相关性分析。基于真实数据形成的原型系统交互式地验证和总结时序数据中的因果关系,从而更高效地挖掘和理解时序数据中变量之间蕴含的因果规律以帮助决策。

基于听觉刺激的意识障碍患者脑功能连通性研究

目的目前对意识障碍(DOC)患者的分级评估仍是相关领域的重点和难点。因效性网络可以通过时间序列间的因果关系直观地反映信息传递方向,帮助人们更好地理解患者大脑不同区域之间的信息交互作用。本文结合脑电图和因效性网络探讨听觉刺激下无反应觉醒综合征(VS)患者与最低意识状态(MCS)患者的脑功能连通性差异。方法共纳入23例DOC患者,采集并分析唤名刺激下的脑电信号,通过多元格兰杰因果方法构建脑功能网络,利用脑网络节点度、聚类系数、全局效率以及因果流向性等参量从脑区之间协同工作的角度对比研究听觉刺激下不同意识水平患者的网络特征。结果唤名刺激下MCS患者的脑功能连通性强于VS患者,且呈现出因果流向差异,MCS与VS患者四个脑区的信息传递方向均不相同。结论唤名听觉刺激下MCS患者的信息传递能力强于VS患者;与VS患者相比MCS患者为因果源的电极通道数增多,对其他脑区的信息输出增多。本研究可为DOC患者意识水平的分级评估提供一定的理论依据。

基于因果正则化极限学习机的风电功率短期预测方法

随着风电并网比例的逐年提高,电力系统对风电功率预测的准确性和稳定性提出了更高要求。对于同一风电场而言,为了避免不同特征选择方法所选择的风电场特征子集不同,从因果关系的角度出发,提出了一种基于因果正则化极限学习机(causal regularized extreme learning machine, CRELM)的风电功率短期预测方法。首先将极限学习机(extreme learning machine, ELM)建模为结构因果模型(structural causal model, SCM),在此基础上计算隐藏层神经元与输出层神经元之间的平均因果效应向量。然后将该平均因果效应向量与输出层权重相结合构成因果正则化项,在最小化训练误差的同时最大化网络的因果关系,以进一步提升模型的预测准确性和预测稳定性。最后,以国内蒙西某风电场数据为例,与采用特征选择或不采用特征选择的预测模型相对比,验证了所提方法的有效性和适用性。

基于两样本孟德尔随机化方法分析低密度脂蛋白胆固醇与哮喘的因果关系

目的以单核苷酸多态性(single nucleotide polymorphism,SNP)为工具变量,基于孟德尔随机化(Mendelian randomization,MR)法探究低密度脂蛋白胆固醇(LDL-C)与哮喘的因果关系。方法根据全基因组关联研究(GWAS)的基因数据,借助MR-base平台,获得2020年3月10日至2023年3月10日样本量最大的LDL-C及哮喘的GWAS数据,筛选出与LDL-C相关的SNP(筛选条件设定为P<5×10-8),通过逆方差加权分析法(IVW)、加权中位数法(WME)、加权模型、简单模型和MR-Egger法分析LDL-C与哮喘风险的关系,同时绘制SNP相关的LDL-C与哮喘风险的森林图及散点图。结果筛选出的301个SNP均与哮喘不存在基因多效性(MR-Egger回归截距0.007)。所有的回归结果均显示,LDL-C为哮喘的危险因素,MR-Egger回归OR=1.609(95%CI 1.228~2.107)、WME OR=1.448(95%CI 1.266~1.656)、IVW OR=1.499(95%CI 1.348~1.667)、加权模型OR=1.462(95%CI 1.212~1.763)、简单模型OR=1.374(95%CI 1.024~1.846)。MR-Egger回归结果显示统计量Q=1095.819(P<0.001),提示SNP间存在异质性,故选择随机效应IVW模型。结论LDL-C与哮喘之间存在因果关系,LDL-C水平越高,哮喘发病风险越大。

基于反事实的非因果解释研究

反事实情形下的非因果解释理论能够在解释实践中更好地实现解释力,在解释的反事实理论、结构模型解释、最优模型解释等非因果解释理论中均存在反事实。但反事实与非因果解释的结合并不充分,反事实在应用于非因果解释的过程中,引发了非因果解释的不对称问题、过分覆盖问题,以及基于反事实无法涵盖所有类型非因果解释的问题。解决这些问题的关键在于坚持多元干预自由主义的解释立场,解释多元论与结构方程模型的结合为上述解释案例所出现的问题提供了可能的解决方案,从而实现对非因果解释的合理性辩护。

因果问题、逻辑与《论道》的形而上学体系

金岳霖在《论道》中建立起自己的形而上学体系。这个体系所运用的方法既有综合也有分析,分析工具主要是现代逻辑方法,这里的现代逻辑主要来自《数学原理》和《符号逻辑概览》。《论道》的形而上学体系的建立,不仅为中国文化中最崇高的概念“道”提出了一个现代形式的形而上学理论,而且为金岳霖自己回答“休谟问题”提供了本体论基础。因此,《论道》不仅强化了中国哲学的逻辑和认识论意识,从而成为宋明理学以来中国哲学发展的高峰,而且具体体现了金岳霖把哲学视为一门普遍的人类学科的态度。

郑州“7·20”地铁水淹事件STAMP致因分析

为探讨河南郑州“7·20”地铁5号线伤亡事件致因,综合运用系统理论事件模型与过程(STAMP)模型,分析5号线伤亡事件安全控制结构,据此逐级辨识事件致因;基于复杂网络理论将事件致因及其联系抽象为网络的节点和边,建立地铁水灾事件网络;计算聚类系数、度数等拓扑参数定量分析事件致因性质,确定关键致因。结果表明:地方党委政府面对汛情的应对部署不紧不实,缺少有效的组织动员和有关部门对工程建设存在失管失察是事件的深层根源;建设单位、设计单位等五方主体单位及运维单位的主体责任失职是事件的主观关键致因;应从政府及有关部门、五方主体单位和运维单位方面采取多元协同的风险防控措施。

基于服务依赖图的微服务系统故障根因定位方法

【目的】为解决微服务架构中频繁出现的系统故障以及异常快速传播的问题,特别是由于服务粒度细、更新迭代频繁及服务依赖复杂性引起的诊断复杂性,本文提出了一种基于动态微服务依赖图的故障根因快速定位方法。【方法】本方法基于微服务的配置信息和日志数据,动态生成服务依赖图,有效捕获服务间的动态依赖变化。在故障发生时,利用服务依赖图和异常事件数据推断异常间的因果链,构造异常因果关系图。结合服务依赖的权重,通过服务依赖图中搜寻并排序可能的根因节点,以实现异常源头的精准定位。【结果】实验结果表明,本方法异常根因top 5平均定位精确率达到66%,优于现有其它同类方法。

使用模拟目标试验框架对脑出血患者是否应停用他汀类药物相关研究的方法学质量评价

目的:使用模拟目标试验(TTE)框架,对脑出血(ICH)患者是否停用他汀类药物的观察性研究进行方法学质量评价,总结可以避免的常见方法学缺陷,为后续研究设计提供方法学参考。方法:通过文献研究法筛选符合纳入与排除标准的文献,使用TTE框架评价所纳入文献的方法学质量,包括纳入与排除标准、治疗策略、随机分配方法、随访的开始及结束、结局指标、因果对比、统计分析方案等7个方面。结果:共纳入8篇队列研究,将患者分为两组,其中暴露组患者停用他汀类药物,非暴露组患者继续使用他汀类药物。方法学评价存在以下问题,2项研究将基线后的信息作为排除标准;4项研究未具体描述治疗策略;4项研究无模拟随机分配的方法;3项研究的协变量选择没有明确的文献依据;1项研究未描述随访的时间节点;所有研究均未明确指出采用意向性治疗(ITT)分析或符合方案(PP)分析;仅2项研究描述了处理缺失数据的方法,但选择了直接删除有缺失数据的患者。结论:未来ICH后中止他汀类药物对临床预后影响的类似研究应避免使用基线后的信息来定义纳入与排除标准,明确因果推断(理想情况下同时包括ITT和PP分析),并考虑使用文献综述或临床经验进行协变量的筛选(最好使用有向无环图)。

基于类型矩阵转移的汉越事件因果关系识别

针对汉越跨语言新闻事件因果关系识别中,汉越跨语言的文本语义空间难以统一、新闻之间的因果关联特征捕获困难的问题,提出了基于类型矩阵转移的汉越跨语言新闻事件因果关系识别方法。通过跨语言预训练统一汉越跨语言的文本语义空间,使用树形长短期记忆循环神经网络提取汉越文本中的句法结构化特征,融入汉越句法特征并结合基于事件类型转移的注意力机制,对汉越事件句对的因果关系进行识别。实验结果表明,该方法在汉越跨语言新闻事件因果关系的识别上较基线模型准确率有所提升。

基于Partial New Causality的因果脑网络情绪识别

为了研究情绪产生过程中脑区以及通道之间的因果作用,在部分格兰杰与新型因果关系的基础上,提出一种用于研究时间序列之间因果关系的部分新型因果关系(PNC)方法。在不同情绪下选取脑区内的8个通道,用PNC计算脑区内通道之间的因果连接关系,根据连接关系构建因果网络;对因果网络中节点的信息流向和介数属性进行分析,将PNC因果网络和Granger因果网络节点之间的因果连接视为一种特征送入SVM中训练分类。实验结果表明,基于PNC因果网络和Granger因果网络的平均识别精度分别为76.4%和68.5%,PNC可用于计算时间序列之间的因果关系。

因素空间理论下的因果概率推理分类算法研究

机器学习方法与因果推理结合能极大地提升方法性能。为探究因果概率正逆向推理的分类效果,基于因素空间理论下的因素概率论,利用条件概率,研究正向因素概率推理原理及模型并提出正向因果概率推理分类法(forward causal probabilistic inference classification algorithm,FCPIC)和简化条件的可取度分类法;研究逆向因素概率推理原理及模型并结合贝叶斯网络提出逆向因果概率推理分类法(reverse causal probabilistic inference classification algorithm,RCPIC)。将3个分类算法与KNN(K-Nearest neighbor)和SVM(support vector machine)算法进行实例对比验证,研究结果表明:FCPIC算法、可取度分类算法和RCPIC算法简单有效、具有可行性和实用性,且可取度分类法和RCPIC算法性能优于SVM和KNN算法,FCPIC算法对实际数据预测中必要类有查全需求的情况更优。研究结论丰富了因素空间的理论研究和应用价值。

用孟德尔随机化方法研究免疫细胞表型与HSP27的因果关系

目的:探讨免疫细胞表型对HSP27的因果作用。方法:采用两样本孟德尔随机化(MR)综合分析来确定免疫细胞表型与HSP27表达水平之间的因果关系。基于公开的遗传数据,我们探索了731个免疫细胞表型与HSP27表达的因果关系,总共包括四种类型的免疫特征(中位数荧光强度(MFI)、相对细胞(RC)、绝对细胞(AC)和形态参数(MP))。综合敏感性分析用于验证结果的稳健性、异质性和水平多效性。结果:我们进行了双向FDR校正,HSP27的表达在统计学上对细胞免疫表型没有显著影响(P>0.05)。然而,在研究细胞免疫表型对HSP27的因果影响时,我们发现在三种细胞免疫性状类别(MFI、RC、AC)中,21种免疫表型与HSP27表达存在因果联系(P<0.05)。其中,12种免疫表型可促进HSP27的表达(IVW:P<0.05,OR<1),包括:IgD-CD24-AC;IgD-CD24-%lymphocyte;Myeloid DC AC;CD62L-myeloid DC AC;Activated Treg%CD4 Treg;CD38 on IgD+CD38dim;CCR2 on granulocyte;CD80 on CD62L+myeloid DC;CD80 on monocyte;CD8 on TD CD8br;CD4 on activated&secreting Treg;CD11c on granulocyte。另外9种免疫表型可抑制HSP27的表达(IVW:P<0.05,OR>1),即:CD62L-plas-macytoid DC AC;Naive CD4+AC;CD14+CD16+monocyte AC;CD3 on T cell;CD3 on CD8br;HVEM on CM CD4+;HVEM on naive CD4+;CX3CR1 on CD14-CD16-;CD45 on Mo MDSC。结论:本研究揭示了免疫细胞表型与HSP27之间存在显著的遗传相关性,这对了解HSP27的病理机制具有重要意义。它不仅为未来临床疾病的诊断和治疗提供了新思路,而且有助于开发更准确的生物标志物和治疗方法。此外,我们的研究结果扩展了免疫学的研究成果,并为进一步研究免疫细胞与热休克蛋白在免疫应答和疾病中的相互作用提供了新的证据。

基于时序图卷积的动态网络链路预测

动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution, DNLP-SGC).针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系.进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测.在2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision, recall, AUC指标上均优于对比的基线模型.

虚弱与胸痛不适的因果关系:一项双向孟德尔随机化研究

目的利用大规模全基因组关联研究的汇总数据,通过孟德尔随机化分析探究虚弱和胸痛不适之间的因果关系。方法使用双向孟德尔随机研究虚弱与胸痛不适的因果关系,并采用Weighted-median、MR-Egger和IVW方法估计因果关系及其稳健性。此外进行包括Cochran's Q检验、MR-PRESSO、MR-Egger截距检验和leave-one-out分析在内的敏感性分析,以提高研究结果的可靠性。结果基因预测的虚弱和胸痛不适之间存在双向因果关系。以虚弱为暴露,胸痛不适为结局,虚弱与胸痛不适之间呈负性因果关系(OR=0.89,95%CI 0.88~0.90,P<0.05),以胸痛不适为暴露,虚弱为结局,胸痛不适与虚弱之间也呈负性因果关系(OR=0.21,95%CI 0.12~0.35,P<0.05)。结论虚弱与胸痛不适之间存在双向因果关系,随着虚弱的增加,产生胸痛不适的风险降低。反之,随着胸痛不适的增加,产生虚弱的风险降低。

基于改进Transformer的滚动轴承剩余寿命预测方法

针对现有的滚动轴承剩余使用寿命预测方法存在预测准确度不足、训练效率不高等问题,提出一种时频分析结合改进Transformer的轴承剩余使用寿命预测方法。首先用短时傅里叶变换提取轴承的时频特征,为了改善Transformer的特征提取能力,研究了基于膨胀因果卷积的可变长度数据分析结构,并设计了自适应位置编码模块替代Transformer的传统编码方式,改进的模型增强了对时频数据的分析能力,实现了高效、准确的端到端的滚动轴承剩余寿命预测。在PHM2012轴承数据集上的实验结果表明提出的方法的效率比LSTM高20%,同时预测精度相比于多种现有传统方法均具有16%以上的提升。