## Memo ### 0. Metadata - [[2019__ICML__DAG-GNN - DAG Structure Learning with Graph Neural Networks|DAG-GNN]]の改良版？ ### 1. Standpoints ### 2. Contributions ### 3. Major Ideas ### 4. Experimental design & Results ### 5. Discussions & Limitations ### 6. Thoughts ## Abstract 我々は、観測データから有向無サイクルグラフ(DAG)を学習する、新しいスコアベースのアプローチを提案する。最近提案された連続制約付き最適化定式化を適 応し、ニューラルネットワークを用いて変数間の非線形関係を許容する。この拡 張により、問題の組合せ的な性質を避けながら、複雑な相互作用をモデル化する ことができる。本手法を既存の連続最適化手法と比較するだけでなく、非線形貪欲探索手法との実証的な比較も行っている。合成データセットと実データセットの両方において、この新しい手法はほとんどのタスクで現在の連続手法を上回り 、因果推論の重要な指標では既存の貪欲探索手法と競争力がある。 [[2020__ICLR__GRADIENT-BASED NEURAL DAG LEARNING__translation]]