2024年8月13日 (二) 23:00的版本

NIS+ 数学推导

要分别有一段文字，介绍为什么我们需要变分下界和通用逼近定理这两个定理及其证明。

PLL：加入：（这样写可不可以？）

式1中，数学形式是一个泛函问题，无法直接进行优化，学者将通过计算变分下界解决泛函问题。同时，在NIS+框架中，学者使用了编码器将p维的输入数据进行粗粒化，得到q维的宏观数据，下面编码器的通用逼近定理将证明编码器的可以近似粗粒化函数。

编码器的通用逼近定理

这里的引理要和之前格式一样哦。

PLL：师兄，这个引理在附录里面没有命名，要不您在起一个？

机器学习算法

样本重加权

现在直接就讲怎么做的了，还是要在这之前介绍一下为什么需要样本重加权，提及它在因果机器学习或因果推断领域中的发展，尤其是把它和前面数学推导出来的w相联系。

PLL：已改，师兄看看我理解对不对？

@@ 第1行： / 第1行： @@
-分布外泛化那个章节记得加文献和引用。
-PLL：加了两篇
-崔鹏老师：
-Cui, Peng, Athey, et al. Stable learning establishes some common ground between causal inference and machine learning. nature machine intelligence, 2022, 4(2): 110-115
-综述里面引用的：Arjovsky, M.; Bottou, L.; Gulrajani, I.; Lopez-Paz, D. Invariant risk minimization. arXiv 2019, arXiv:1907.02893   因果比相关性更好
-YMZ： 可以。所有arxiv上的文章可以多查一下，看有没有已经正式发表的。有的话引正式发表的版本。
-PLL：web of science登录后只能查研究人员，查不了文献o(╥﹏╥)o
-YMZ：没事，就直接网页上查标题就行了，就是提醒一下有这个意识就行，不算是问题～
-=NIS+ 概述=
-这块OK啦，看看有什么引用可以加的
 =NIS+ 数学推导=
 要分别有一段文字，介绍为什么我们需要变分下界和通用逼近定理这两个定理及其证明。
-==宏观EI的变分下界==
+PLL：加入：（这样写可不可以？）
-目前引理那部分有两块相同内容，可以把重复的删掉。
+式1中，数学形式是一个泛函问题，无法直接进行优化，学者将通过计算变分下界解决泛函问题。同时，在NIS+框架中，学者使用了编码器将p维的输入数据进行粗粒化，得到q维的宏观数据，下面编码器的通用逼近定理将证明编码器的可以近似粗粒化函数。
-新的优化目标那里，有好多行是写数学符号的，可以参照1式的样子，把那些行都写成一个case的形式。
-其他没啥问题了，下次看看张老师对这部分是什么意见。
 ==编码器的通用逼近定理==
 这里的引理要和之前格式一样哦。
+PLL：师兄，这个引理在附录里面没有命名，要不您在起一个？
 =机器学习算法=
@@ 第40行： / 第18行： @@
 现在直接就讲怎么做的了，还是要在这之前介绍一下为什么需要样本重加权，提及它在因果机器学习或因果推断领域中的发展，尤其是把它和前面数学推导出来的w相联系。
+PLL：已改，师兄看看我理解对不对？

“讨论:NIS+”的版本间的差异

2024年8月13日 (二) 23:00的版本

目录

NIS+ 数学推导

编码器的通用逼近定理

机器学习算法

样本重加权

导航菜单

搜索