Horizon / Plein textes La base de ressources documentaires de l'IRD

IRD

 

Publications des scientifiques de l'IRD

Sokolovska N., Clement K., Zucker Jean-Daniel. (2019). Revealing causality between heterogeneous data sources with deep restricted Boltzmann machines. Information Fusion, 50, 139-147. ISSN 1566-2535

Accès réservé (Intranet IRD) Demander le PDF

Lien direct chez l'éditeur doi:10.1016/j.inffus.2018.11.016

Titre
Revealing causality between heterogeneous data sources with deep restricted Boltzmann machines
Année de publication2019
Type de documentArticle référencé dans le Web of Science WOS:000466056900011
AuteursSokolovska N., Clement K., Zucker Jean-Daniel.
SourceInformation Fusion, 2019, 50, p. 139-147. ISSN 1566-2535
RésuméIn a number of real life applications, scientists do not have access to temporal data, since budget for data acquisition is always limited. Here we challenge the problem of causal inference between groups of heterogeneous non-temporal observations obtained from multiple sources. We consider a family of probabilistic algorithms for causal inference based on an assumption that in case where X causes Y, P(X) and P(Y vertical bar X) are statistically independent. For a number of real world applications, deep learning methods were reported to achieve the most accurate empirical performance, what motivates us to use deep Boltzmann machines to approximate the marginal and conditional probabilities of heterogeneous observations as accurate as possible. We introduce a novel algorithm to infer causal relationships between blocks of variables. The proposed method was tested on a benchmark of multivariate cause-effect pairs. We show by our experiments that our method achieves the state-of-the-art empirical accuracy, and sometimes outperforms the state-of-the-art methods. An important part of our contribution is an application of the proposed algorithm to an original medical data set, where we explore relations between alimentary patters, human gut microbiome composition, and health status.
Plan de classementSciences fondamentales / Techniques d'analyse et de recherche [020]
LocalisationFonds IRD [F B010075728]
Identifiant IRDfdi:010075728
Lien permanenthttp://www.documentation.ird.fr/hor/fdi:010075728

Export des données

Disponibilité des documents

Télechargment fichier PDF téléchargeable

Lien sur le Web lien chez l'éditeur

Accès réservé en accès réservé

HAL en libre accès sur HAL


Accès aux documents originaux :

Le FDI est labellisé CollEx

Accès direct

Bureau du chercheur

Site de la documentation

Espace intranet IST (accès réservé)

Suivi des publications IRD (accès réservé)

Mentions légales

Services Horizon

Poser une question

Consulter l'aide en ligne

Déposer une publication (accès réservé)

S'abonner au flux RSS

Voir les tableaux chronologiques et thématiques

Centres de documentation

Bondy

Montpellier (centre IRD)

Montpellier (MSE)

Cayenne

Nouméa

Papeete

Abidjan

Dakar

Niamey

Ouagadougou

Tunis

La Paz

Quito