Identifiability and high-dimensional learning of Gaussian linear structural equation models
연구 내용
Gaussian 선형 구조방정식 모형의 식별성과 오차분산 조건에서의 학습 가능성을 규명하고, 대규모 데이터에서 그래프 구조를 효율적으로 추정하는 연구
Gaussian 선형 구조방정식 모형에서 방향성과 그래프 구조가 관측 데이터로부터 일의적으로 복원 가능한지 식별성 관점에서 분석합니다. 또한 조건독립성 검정을 기반으로 위상적 레이어를 추정하고, 정규화 회귀를 통해 고차원 그래프의 연결성과 밀집 부분구조를 안정적으로 학습합니다. 기존 스코어 기반 접근에 비해 가설검정 중심의 추정 절차를 채택하여 계산 복잡도를 낮추는 차별성을 확보합니다. 이를 통해 대규모 모형에서 통계적 일관성과 정확한 구조 복원을 함께 달성하는 방법을 제시합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
3건
연구 흐름
초기에는 동질/이질 오차분산을 포함하는 Gaussian 선형 구조방정식 모형의 식별성과 학습 가능성을 정리하는 데 집중했습니다. 이후 조건독립성과 그래프 구조를 연결해 고차원 영역에서 학습이 성립하는 조건을 확장했습니다. 2022년에는 동일 오차분산 설정에서 위상적 레이어를 Z-test 형태의 가설검정으로 추정하고 각 노드의 부모를 일관적 조건독립성 검정으로 복원하는 계산 효율화 방향으로 발전했습니다. 2023년에는 ℓ1-ℓ2 정규화 회귀를 활용해 밀집 연결 부분모형을 학습하는 연구로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Identifiability of Gaussian linear structural equation models with homogeneous and heterogeneous error variances
Learning high-dimensional Gaussian linear structural equation models with heterogeneous error variances
Densely connected sub-Gaussian linear structural equation model learning via ℓ1- and ℓ2-regularized regressions
Computationally Efficient Learning of Gaussian Linear Structural Equation Models with Equal Error Variances
관련 프로젝트
구분
제목
그래피컬 모델 학습 방법 개발
그래피컬 모델 학습 방법 개발
그래피컬 모델 학습 방법 개발