在潜在混淆因素存在的情况下从不定数据中学习恢复因果关系（英文版）

英文标题：Learning to Recover Causal Relationship from Indefinite Data in the Presence of Latent Confounders中文摘要：本文提出了一种称作混淆分离因果发现算法（Confounding Disentanglement Causal Discovery，简称 biCD）的方法，通过使用因果强度变分模型，将潜在变量作为中介变量来解决存在潜在变量的非确定数据情形下的因果关系发现问题。我们将结果用合成和实际数据进行了验证，证明了该方法的有效性。英文摘要：In Causal Discovery with latent variables, We define two data paradigms:definite data: a single-skeleton structure with observed nodes single-value,and indefinite data: a set of multi-skeleton structures with observed nodesmult