|
Size: 3026
Comment:
|
Size: 2998
Comment:
|
| Deletions are marked like this. | Additions are marked like this. |
| Line 20: | Line 20: |
| || [[attachment:Pearl Diagrams and Causality.pdf]] || Daniel Bartz || || J. Pearl ist ein großer Name in Kausalanalyse, graphischen Modellen usw. (Review paper) || | || [[attachment:Pearl Diagrams and Causality.pdf]] || Daniel Bartz || M.Kastrop || J. Pearl ist ein großer Name in Kausalanalyse, graphischen Modellen usw. (Review paper) || |
| Line 22: | Line 22: |
| || [[attachment:Cointegration.pdf]] [[attachment:CointegratioImpliesGrangerCausality.pdf]]|| Irene Winkler || || Granger und Engle, Nobelpreis für Wirtschaft 2003|| || [[attachment:Rubin Model.pdf]] || Duncan Blythe || || Ähnliche Vorgehensweise zur Granger Causality || || [[attachment:PSI.pdf]] || Daniel Bartz || || Granger Kausalität funktioniert nicht immer, z.b. im Gehirn ... || || [[attachment:Cortical Interaction and Coherency.pdf]] || Duncan Blythe || || Wie analysiert man Kausalität im Gehirn? || || [[attachment:Nonlinearity and Causality.pdf]] || Duncan Blythe || || Aus Nichtlinearität kann man oft eine kausale Richtung schliessen || || [[attachment:Conditional Complexity.pdf]] || Duncan Blythe || || Kausal Analyse mittels ein Maßes für bedingte Verteilungen der Komplexität || |
|| [[attachment:Cointegration.pdf]] [[attachment:CointegratioImpliesGrangerCausality.pdf]]|| Irene Winkler || S.Lohmeier|| Granger und Engle, Nobelpreis für Wirtschaft 2003|| || [[attachment:PSI.pdf]] || Daniel Bartz || F.Bremerich || Granger Kausalität funktioniert nicht immer, z.b. im Gehirn ... || || [[attachment:Cortical Interaction and Coherency.pdf]] || Duncan Blythe || J.Eike || Wie analysiert man Kausalität im Gehirn? || || [[attachment:Nonlinearity and Causality.pdf]] || Duncan Blythe || W.Nagasawa/ R.Koppisch || Aus Nichtlinearität kann man oft eine kausale Richtung schliessen || || [[attachment:Conditional Complexity.pdf]] || Duncan Blythe || W.Nagasawa/ R.Koppisch || Kausal Analyse mittels ein Maßes für bedingte Verteilungen der Komplexität || |
Block-Seminar "Moderne Verfahren des Maschinellen Lernens: Kausalanalyse"
Termine und Informationen
Erster Termin für Themenvergabe |
Donnerstag, 08.11.2012, 15:00-16:00 Uhr, Raum FR 6046 |
Termin für Blockseminar |
nach Absprache |
Verantwortlich |
|
Ansprechtpartner(in) |
|
Sprache |
Englisch |
Anrechenbarkeit |
Wahlpflicht in dem M.Sc. Modul Maschinelles Lernen 1 |
In diesem Seminar werden mathematische und statistische Modelle zur Erkennung von kausalen Zusammenhängen besprochen. Im Gegensatz zu reinen Vorhersagemodellen, die auf den Assoziationen/Korrelationen zwischen Variablen beruhen, ist das Ziel der empirischen Kausalanalyse, Ursache und Wirkung in komplexen Systemen zu identifizieren.
Die Vorträge sollen jeweils 30 Minuten (+ 10 Minuten Diskussion) dauern. Wir legen Wert auf diese Zeitvorgabe und werden Vorträge bei deutlicher Überschreitung abbrechen.
Als Entscheidungsmittel empfehlen wir den Eintrag Correlation does not imply Causation auf Wikipedia.
Thema |
Betreuer |
Student |
Beschreibung |
Daniel Bartz |
M.Kastrop |
J. Pearl ist ein großer Name in Kausalanalyse, graphischen Modellen usw. (Review paper) |
|
Duncan Blythe |
|
Eine beliebte Operationalisierung von Kausalität auf Zeitreihen |
|
Irene Winkler |
S.Lohmeier |
Granger und Engle, Nobelpreis für Wirtschaft 2003 |
|
Daniel Bartz |
F.Bremerich |
Granger Kausalität funktioniert nicht immer, z.b. im Gehirn ... |
|
Duncan Blythe |
J.Eike |
Wie analysiert man Kausalität im Gehirn? |
|
Duncan Blythe |
W.Nagasawa/ R.Koppisch |
Aus Nichtlinearität kann man oft eine kausale Richtung schliessen |
|
Duncan Blythe |
W.Nagasawa/ R.Koppisch |
Kausal Analyse mittels ein Maßes für bedingte Verteilungen der Komplexität |
Als Hintergrund zu den Schwierigkeiten bei der Kausalanalyse, mag Simpson's Paradox nutzlich sein.
Besonders motivierte Studenten können sich An Enquiry Concerning Human Understanding von David Hume anschauen, um das Thema in die historische Perspektive zu setzen.