Causale logica voor de sociale wetenschappen Vincent Verhoeven Departement Computerwetenschappen Begeleider: Joost Vennekens, Promotor: Marc Denecker CP-Logic SEM • Causale statistische techniek • Grafische modellen (DAG) • Latente informatie mogelijk • Causale probabilistische logica • Mogelijkheid causale lussen (Break : 0.8) Throws(Mary) (Break : 0.6) Throws(John) (Throws(Mary) : 0.5) Throws(John) SEM-model CP-Logic model Keuzes/Alternatieven • Alternatieve omzettingen • Preprocessing van data • Discretisatie van data Lineair of niet-lineair? Bestaande compiler Manuele cleanup Parameter learning en terugkoppeling Rechtstreeks of delta-setting? Problog Aantal niveaus? Hoe opdelen? Parameter learning X = leeriteratie, Y = CP-kansparameter Doel • SEM-analyse in CP-Logic • Toolbox met GUI • Effect van niet-linear model onderzoeken • Betere afhandeling van causale lussen Volledig gekend model Model met latente parameter
© Copyright 2024 ExpyDoc
