Graphical Models for Complex Multivariate Data

Informations projet

GRAPHMODE

N° de convention de subvention: 883818

DOI

10.3030/883818

Date de signature de la CE 27 Avril 2020

Date de début 1 Octobre 2020

Date de fin 30 Septembre 2026

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total

€ 1 971 296,00

Contribution de l’UE

€ 1 971 296,00

Coordonné par

TECHNISCHE UNIVERSITAET MUENCHEN
Germany

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

Other (15)

Faithlessness in Gaussian graphical models

Auteurs: Mathias Drton, Leonard Henckel, Benjamin Hollering, Pratik Misra
Publié dans: 2024
Éditeur: ArXiv
DOI: 10.48550/arxiv.2404.05306

causalAssembly: Generating Realistic Production Data for Benchmarking Causal Discovery

Auteurs: Konstantin Göbler, Tobias Windisch, Tim Pychynski, Steffen Sonntag, Martin Roth, Mathias Drton
Publié dans: 2023
Éditeur: arXiv
DOI: 10.48550/arxiv.2306.10816

Unpaired Multi-Domain Causal Representation Learning

Auteurs: Nils Sturma, Chandler Squires, Mathias Drton, Caroline Uhler
Publié dans: Advances in Neural Information Processing Systems 36 (NeurIPS 2023), Numéro to appear, 2023
Éditeur: arXiv
DOI: 10.48550/arxiv.2302.00993

Confidence Sets for Causal Orderings

Auteurs: Y. Samuel Wang, Mladen Kolar, Mathias Drton
Publié dans: 2023
Éditeur: arXiv
DOI: 10.48550/arxiv.2305.14506

Existence of Direct Density Ratio Estimators

Auteurs: Erika Banzato, Mathias Drton, Kian Saraf-Poor, Hongjian Shi
Publié dans: 2025
Éditeur: ArXiv

Matching Criterion for Identifiability in Sparse Factor Analysis

Auteurs: Nils Sturma, Miriam Kranzlmueller, Irem Portakal, Mathias Drton
Publié dans: 2025
Éditeur: ArXiv

On the Lasso for Graphical Continuous Lyapunov Models

Auteurs: Philipp Dettling, Mathias Drton, Mladen Kolar
Publié dans: 2022
Éditeur: arXiv
DOI: 10.48550/arxiv.2208.13572

On universal inference in Gaussian mixture models

Auteurs: Hongjian Shi, Mathias Drton
Publié dans: 2024
Éditeur: ArXiv
DOI: 10.48550/arxiv.2407.19361

Identifiability of Homoscedastic Linear Structural Equation Models using Algebraic Matroids

Auteurs: Mathias Drton, Benjamin Hollering, Jun Wu
Publié dans: 2023
Éditeur: arXiv
DOI: 10.48550/arxiv.2308.01821

Goodness-of-Fit Tests for Linear Non-Gaussian Structural Equation Models

Auteurs: Daniela Schkoda, Mathias Drton
Publié dans: 2023
Éditeur: arXiv
DOI: 10.48550/arxiv.2311.04585

Testing Many and Possibly Singular Polynomial Constraints

Auteurs: Nils Sturma, Mathias Drton, Dennis Leung
Publié dans: 2022
Éditeur: arXiv
DOI: 10.48550/arxiv.2208.11756

Causal Discovery of Linear Non-Gaussian Causal Models with Unobserved Confounding

Auteurs: Daniela Schkoda, Elina Robeva, Mathias Drton
Publié dans: 2024
Éditeur: ArXiv
DOI: 10.48550/arxiv.2408.04907

Colored Gaussian DAG models

Auteurs: Tobias Boege, Kaie Kubjas, Pratik Misra, Liam Solus
Publié dans: 2024
Éditeur: ArXiv
DOI: 10.48550/arxiv.2404.04024

Identifiability in Continuous Lyapunov Models

Auteurs: Philipp Dettling, Roser Homs, Carlos Améndola, Mathias Drton, Niels Richard Hansen
Publié dans: 2022
Éditeur: arXiv
DOI: 10.48550/arxiv.2209.03835

Parametric and nonparametric symmetries in graphical models for extremes

Auteurs: Röttger, Frank; Coons, Jane Ivy; Grosdos, Alexandros
Publié dans: Numéro 1, 2023
Éditeur: ArXiv
DOI: 10.48550/arxiv.2306.00703

Conference proceedings (12)

Directed Graphical Models and Causal Discovery for Zero-Inflated Data

Auteurs: Shiqing Yu, Mathias Drton, Ali Shojaie
Publié dans: Proceedings of the Second Conference on Causal Learning and Reasoning, Numéro 213, 2023, Page(s) 27-67
Éditeur: PMLR

Causal Effect Identification in LiNGAM Models with Latent Confounders

Auteurs: Daniele Tramontano, Yaroslav Kivva, Saber Salehkaleybar, Mathias Drton, Negar Kiyavash
Publié dans: Proceedings of the 41st International Conference on Machine Learning, Numéro 235, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Interaction Models and Generalized Score Matching for Compositional Data

Auteurs: Shiqing Yu, Mathias Drton, and Ali Shojaie
Publié dans: Proceedings of the Second Learning on Graphs Conference, Numéro 231, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Identifying Total Causal Effects in Linear Models under Partial Homoscedasticity

Auteurs: David Strieder, Mathias Drton
Publié dans: Proceedings of the 12th International Conference on Probabilistic Graphical Models, Numéro 246, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Rank-Based Causal Discovery for Post-Nonlinear Models

Auteurs: Grigor Keropyan, David Strieder, Mathias Drton
Publié dans: Proceedings of The 26th International Conference on Artificial Intelligence and Statistics, 2023, Page(s) 7849-7870
Éditeur: PMLR Proceedings of Machine Learning Research

Definite Non-Ancestral Relations and Structure Learning

Auteurs: Wenyu Chen, Mathias Drton, Ali Shojaie
Publié dans: 8th Causal Inference Workshop at UAI, 2021, Page(s) "Paper #2"
Éditeur: causalUAI2021

Robust Score Matching

Auteurs: Richard Schwank, Andrew McCormack, Mathias Drton
Publié dans: Proceedings of the 28th International Conference on Artificial Intelligence and Statistics (AISTATS), 2025
Éditeur: Proceedings of Machine Learning Research (PMLR)

Learning Linear Non-Gaussian Polytree Models

Auteurs: Daniele Tramontano, Anthea Monod, Mathias Drton
Publié dans: Proceedings of the Thirty-Eighth Conference on Uncertainty in Artificial Intelligence, Numéro Proceedings of Machine Learning Research 180, 2022, Page(s) 1960-1969
Éditeur: PMLR
DOI: 10.48550/arxiv.2208.06701

Confidence in Causal Discovery with Linear Causal Models

Auteurs: David Strieder, Tobias Freidling, Stefan Haffner, Mathias Drton
Publié dans: Proceedings of the Thirty-Seventh Conference on Uncertainty in Artificial Intelligence, Numéro PMLR 161, 2021, Page(s) 1217-1226
Éditeur: Proceedings of Machine Learning Research

Dual Likelihood for Causal Inference under Structure Uncertainty

Auteurs: David Strieder, Mathias Drton
Publié dans: Proceedings of the 3rd Conference on Causal Learning and Reasoning, Numéro 236, 2024
Éditeur: Proceedings of Machine Learning Research (PMLR)

Center-Outward Sign- and Rank-Based Quadrant, Spearman, and Kendall Tests for Multivariate Independence

Auteurs: Hongjian Shi, Mathias Drton, Marc Hallin, Fang Han
Publié dans: OT-SDM 2022: The 1st International Workshop on Optimal Transport and Structured Data Modeling, 2022
Éditeur: AAAI 2022

Graphical Representations for Algebraic Constraints of Linear Structural Equations Models

Auteurs: Thijs van Ommen, Mathias Drton
Publié dans: Proceedings of The 11th International Conference on Probabilistic Graphical Models, Numéro 186, 2022, Page(s) 409-420
Éditeur: Proceedings of Machine Learning Research (PMLR)
DOI: 10.48550/arxiv.2208.00926

Peer reviewed articles (18)

Rational maximum likelihood estimators of Kronecker covariance matrices

Auteurs: Mathias Drton, Alexandros Grosdos, Andrew McCormack
Publié dans: Algebraic Statistics, Numéro 15, 2024, Page(s) 145-164, ISSN 2693-3004
Éditeur: Mathematical Sciences Publishers
DOI: 10.2140/astat.2024.15.145

Partial Homoscedasticity in Causal Discovery with Linear Models

Auteurs: Jun Wu, Mathias Drton
Publié dans: IEEE Journal on Selected Areas in Information Theory, 2023, ISSN 2641-8770
Éditeur: Institute of Electrical and Electronics Engineers (IEEE)
DOI: 10.1109/jsait.2023.3328476

Learning Linear Gaussian Polytree Models With Interventions

Auteurs: Daniele Tramontano, Leonard Waldmann, Mathias Drton, Eliana Duarte
Publié dans: IEEE Journal on Selected Areas in Information Theory, 2023, ISSN 2641-8770
Éditeur: Institute of Electrical and Electronics Engineers (IEEE)
DOI: 10.1109/jsait.2023.3328429

Half-Trek Criterion for Identifiability of Latent Variable Models

Auteurs: Rina Foygel Barber, Mathias Drton, Nils Sturma, Luca Weihs
Publié dans: The Annals of Statistics, Numéro 50, 2022, Page(s) 3174-3196, ISSN 0090-5364
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/22-aos2221

On the choice of the splitting ratio for the split likelihood ratio test

Auteurs: David Strieder, Mathias Drton
Publié dans: Electronic Journal of Statistics, Numéro 16, 2022, Page(s) 6631-6650, ISSN 1935-7524
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/22-ejs2099

Causal Structural Learning via Local Graphs

Auteurs: Wenyu Chen, Mathias Drton, Ali Shojaie
Publié dans: SIAM Journal on Mathematics of Data Science, Numéro 5(2), 2023, Page(s) 280-305, ISSN 2577-0187
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/20m1362796

"Discussion of ""A note on universal inference"" by Timmy Tse and Anthony Davison"

Auteurs: Mathias Drton, Hongjian Shi, David Strieder
Publié dans: Stat, Numéro 12(1), 2023, Page(s) e574, ISSN 2049-1573
Éditeur: Wiley
DOI: 10.1002/sta4.572

On Azadkia–Chatterjee’s conditional dependence coefficient

Auteurs: Hongjian Shi, Mathias Drton, Fang Han
Publié dans: Bernoulli, Numéro 30, 2024, ISSN 1350-7265
Éditeur: Chapman & Hall
DOI: 10.3150/22-bej1529

On the power of Chatterjee’s rank correlation

Auteurs: Hongjian Shi, Mathias Drton, Fang Han
Publié dans: Biometrika, 2021, ISSN 0006-3444
Éditeur: Oxford University Press
DOI: 10.1093/biomet/asab028

Algebraic Sparse Factor Analysis

Auteurs: Mathias Drton, Alexandros Grosdos, Irem Portakal, Nils Sturma
Publié dans: SIAM Journal on Applied Algebra and Geometry, Numéro 9, 2025, Page(s) 279-309, ISSN 2470-6566
Éditeur: Society for Industrial & Applied Mathematics (SIAM)
DOI: 10.1137/23m1626517

Homaloidal polynomials and Gaussian models of maximum likelihood degree 1

Auteurs: Shelby Cox, Pratik Misra, Pardis Semnani
Publié dans: Algebraic Statistics, Numéro 15, 2024, Page(s) 167-198, ISSN 2693-3004
Éditeur: Mathematical Sciences Publishers
DOI: 10.2140/astat.2024.15.167

Third-Order Moment Varieties of Linear Non-Gaussian Graphical Models

Auteurs: Carlos Améndola, Mathias Drton, Alexandros Grosdos, Roser Homs, Elina Robeva
Publié dans: Information and Inference. A Journal of the IMA, Numéro 12(3), 2023, Page(s) iaad007, ISSN 2049-8764
Éditeur: Oxford University Press
DOI: 10.1093/imaiai/iaad007

Confidence in Causal Inference under Structure Uncertainty in Linear Causal Models with Equal Variances

Auteurs: David Strieder, Mathias Drton
Publié dans: Journal of Causal Inference, Numéro to appear, 2023, ISSN 2193-3685
Éditeur: De Gruyter

On universally consistent and fully distribution-free rank tests of vector independence

Auteurs: Hongjian Shi, Marc Hallin, Mathias Drton, Fang Han
Publié dans: The Annals of Statistics, Numéro 50, 2022, Page(s) 1933-1959, ISSN 0090-5364
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/21-aos2151

High-dimensional undirected graphical models for arbitrary mixed data

Auteurs: Konstantin Göbler, Mathias Drton, Sach Mukherjee, Anne Miloschewski
Publié dans: Electronic Journal of Statistics, Numéro 18, 2024, ISSN 1935-7524
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/24-ejs2254

Distribution-free tests of multivariate independence based on center-outward quadrant, Spearman, Kendall, and van der Waerden statistics

Auteurs: Hongjian Shi, Mathias Drton, Marc Hallin, Fang Han
Publié dans: Bernoulli, Numéro 31, 2025, Page(s) 106-129, ISSN 1350-7265
Éditeur: Chapman & Hall
DOI: 10.3150/24-bej1721

Conditional independence in stationary distributions of diffusions

Auteurs: Tobias Boege, Mathias Drton, Benjamin Hollering, Sarah Lumpp, Pratik Misra, Daniela Schkoda
Publié dans: Stochastic Processes and their Applications, Numéro 184, 2025, Page(s) 104604, ISSN 0304-4149
Éditeur: Elsevier BV
DOI: 10.1016/j.spa.2025.104604

Causal Discovery with Unobserved Confounding and non-Gaussian Data

Auteurs: Y. Samuel Wang, Mathias Drton
Publié dans: Journal of Machine Learning Research, Numéro 271, 2023, Page(s) 1−61, ISSN 1533-7928
Éditeur: JMLR, Inc.
DOI: 10.48550/arxiv.2007.11131

Thesis and dissertations (3)

Identifiability and Statistical Inference in Latent Variable Modeling

Auteurs: Sturma, Nils B.
Publié dans: 2024
Éditeur: online

Homoscedasticity and Feedback Loops in Graphical Models

Auteurs: Wu, Jun
Publié dans: Numéro 5, 2023
Éditeur: Technical University of Munich

Graphical Continuous Lyapunov Models

Auteurs: Dettling, Philipp Maximilian
Publié dans: 2024
Éditeur: online