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

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