CCF广东工业大学学生分会举办“基于观察数据的因果关系发现”学术讲座

CCF广东工业大学学生分会于2023年3月16日（星期四）早上10点在广东工业大学工学一号馆公共学术报告厅举办主题为“基于观察数据的因果关系发现”学术讲座，这场精彩的学术讲座报告人是来自广东工业大学计算机学院的陈薇老师。陈薇老师2020年在广东工业大学获得工学博士学位，并进入广东工业大学从事博士后研究员。2022年7月出站后留校担任讲师。博士期间曾受国家留学基金委资助赴美国卡内基梅隆大学联合培养。研究兴趣专注于因果关系发现、因果性学习（因果表征学习、因果强化学习）系列理论与方法，及其在智能运维、心理健康智能诊断、神经科学等领域的应用。主持国家自然科学基金青年项目1项、中国博士后科学基金面上项目1项。已发表学术论文10余篇，包括IEET NNLS、Neurocomputing、AAAI等国际期刊及会议。

今天陈薇老师主要为我们讲解四个方面的内容，分别是因果关系发现是什么，经典因果关系发现方法，含有隐变量的因果关系发现和非独立同分布数据的因果关系发现。

第一部分，陈薇老师为我们介绍因果关系发现，因果关系发现是基于观察数据的，是从不完全的数据中发现因果，因果发现旨在从一堆纷繁复杂的数据中，挖掘出不同变量之间因果影响的网络结构。

第二部分，陈薇老师为我们介绍了两个经典因果关系发现方法，分别是基于约束的方法和基于功能因果模型的方法。其中介绍了基于约束方法的三个特点，分别是PC，FCI（快速因果推理）和局限性；功能因果模型是基于单片机的，该模型数据的生成过程，是受原因和噪声影响的。

第三部分，陈薇老师为我们介绍了含有隐变量的因果关系的三种类型，第一种是Tetrad类型，这种类型的局限性是无法确定因果方向:���1→���2或���2→���1；第二种类型是Triad类型，其局限性是不能应用于多个共享潜在变量；第三种是Generalized Independent Noise (GIN)类型。

第四部分，陈薇老师为我们介绍了非独立同分布数据的因果关系发现，该部分讲述了如何从多个环境所生成的数据中发现因果结构，还讲述了如何利用拓扑网络中节点生成的事件序列，了解事件类型之间的格兰杰因果关系。

至此，通过对本场学术讲座内容的总结，饱含营养而又有价值的学术讲座圆满结束。

内容编辑：陈朝煜

素材拍摄：许海英

内容审核：何思达