Bayesian Causal Inference Group (BCIG)

연구실 소개

저희 연구는 인과 추론을 위한 베이지안 방법을 광범위하게 다룹니다. 특히, 저희는 다음의 몇 가지 공통된 주제를 바탕으로 다양한 환경에서 인과 모델을 개발하는 데 관심을 가지고 있습니다. 이러한 주제들은 저희의 작업을 다른 연구와 차별화합니다: 1) 관측 불가능한 양의 분포를 관측된 데이터 분포와 연관시키는 아이디어에 기반한 식별 가정의 대안적인 집합; 2) 유연한 베이지안 비모수 방법; 3) 근본적으로 검증 불가능한 가정에 대한 실제적인 민감도 분석. 저희는 최근 새로운 인과 모델을 대기 질 규제 정책이 공중 보건에 미치는 영향을 평가하는 데 적용해 왔습니다. 또한 베이지안 네트워크 방법을 통한 분류, 베이지안 변수 선택 방법을 통한 특성 선택, 이미지 데이터 분석 등을 포함하여 다른 응용 분야를 위한 베이지안 방법 개발에도 힘쓰고 있습니다.