Causal Analysis of Feedback Systems

Informations projet

CAFES

N° de convention de subvention: 639466

DOI

10.3030/639466

Projet clôturé

Date de signature de la CE 8 Mai 2015

Date de début 1 Septembre 2015

Date de fin 31 Août 2020

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total

€ 1 405 652,00

Contribution de l’UE

€ 1 405 652,00

Coordonné par

UNIVERSITEIT VAN AMSTERDAM
Netherlands

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Conference proceedings (10)

Algebraic Equivalence of Linear Structural Equation Models

Auteurs: Thijs van Ommen, Joris M. Mooij
Publié dans: Proceedings of the 33rd Annual Conference on Uncertainty in Artificial Intelligence, Numéro UAI 2017, 2017
Éditeur: Association for Uncertainty in Artificial Intelligence

Causal Effect Inference with Deep Latent-Variable Models

Auteurs: Louizos, Christos; Shalit, Uri; Mooij, Joris; Sontag, David; Zemel, Richard; Welling, Max
Publié dans: Advances in Neural Information Processing Systems 30, Numéro NeurIPS 2017, 2017, Page(s) 6446-6456
Éditeur: Curran Associates, Inc.

Causal Consistency of Structural Equation Models

Auteurs: Rubenstein, Paul K.; Weichwald, Sebastian; Bongers, Stephan; Mooij, Joris M.; Janzing, Dominik; Grosse-Wentrup, Moritz; Schölkopf, Bernhard
Publié dans: Proceedings of the 33rd Annual Conference on Uncertainty in Artificial Intelligence, Numéro UAI 2017, 2017
Éditeur: Association for Uncertainty in Artificial Intelligence

From Deterministic ODEs to Dynamic Structural Causal Models

Auteurs: Rubenstein, Paul K.; Bongers, Stephan; Schoelkopf, Bernhard; Mooij, Joris M.
Publié dans: Proceedings of the 34th Annual Conference on Uncertainty in Artificial Intelligence (UAI-18), Numéro UAI 2018, 2018
Éditeur: Association for Uncertainty in Artificial Intelligence

An Upper Bound for Random Measurement Error in Causal Discovery

Auteurs: Tineke Blom, Anna Klimovskaia, Sara Magliacane, Joris M. Mooij
Publié dans: Proceedings of the 34th Annual Conference on Uncertainty in Artificial Intelligence (UAI-18), Numéro UAI 2018, 2018
Éditeur: Association for Uncertainty in Artificial Intelligence

Constraint-based Causal Discovery for Non-Linear Structural Causal Models with Cycles and Latent Confounders

Auteurs: Patrick Forré, Joris M. Mooij
Publié dans: Proceedings of the 34th Annual Conference on Uncertainty in Artificial Intelligence (UAI-18), Numéro UAI 2018, 2018
Éditeur: Association for Uncertainty in Artificial Intelligence

Beyond Structural Causal Models: Causal Constraints Models

Auteurs: Tineke Blom, Stephan Bongers, Joris M. Mooij
Publié dans: Proceedings of the 35th Annual Conference on Uncertainty in Artificial Intelligence, Numéro UAI 2019, 2019
Éditeur: AUAI Press

Causal Calculus in the Presence of Cycles, Latent Confounders and Selection Bias

Auteurs: Patrick Forré, Joris M. Mooij
Publié dans: Proceedings of the 35th Annual Conference on Uncertainty in Artificial Intelligence, Numéro UAI 2019, 2019
Éditeur: AUAI Press

Domain Adaptation by Using Causal Inference to Predict Invariant Conditional Distributions

Auteurs: Sara Magliacane, Thijs van Ommen, Tom Claassen, Stephan Bongers, Philip Versteeg, Joris M. Mooij
Publié dans: Advances in Neural Information Processing Systems (NeurIPS-2018), Numéro NeurIPS 2018, 2018, Page(s) 10869-10879
Éditeur: Curran Associates, Inc.

Constraint-Based Causal Discovery using Partial Ancestral Graphs in the presence of Cycles

Auteurs: Mooij, Joris M.; Claassen, Tom
Publié dans: Proceedings of the 36th Conference on Uncertainty in Artificial Intelligence (UAI), Numéro 124, 2020, Page(s) 1159-1168
Éditeur: Proceedings of Machine Learning Research