CAUSAL ASSOCIATION ESTIMATION DEVICE, CAUSAL ASSOCIATION ESTIMATION METHOD, AND CAUSAL ASSOCIATION ESTIMATION PROGRAM

A causal association estimation device (100) includes: a data acquisition unit (10) that acquires training data including a set of time-series data of a plurality of state variables (X (0 : t)) and a set of time-series data of a plurality of observation variables (Y (0 : t)); a calculation unit (22) that calculates a causal association parameter (θ) indicating a causal association between the time-series data of the plurality of state variables and the time-series data of the plurality of observation variables, calculates a variance-covariance matrix (K (X, X')) of a Gaussian process from the training data and the causal association parameter (θ), and expresses the causal association parameter (θ) by a multitask Gaussian process model; and an optimization unit (24) that calculates an optimization function on the basis of the variance-covariance matrix and updates the causal association parameter (θ) on the basis of the optimization function. L'invention concerne un dispositif d'estimation d'association causale (100) comprenant : une unité d'acquisition de données (10) qui acquiert des données d'apprentissage comprenant un ensemble de données de séries temporelles d'une pluralité de variables d'état (X (0 : t)) et un ensemble de données de séries temporelles d'une pluralité de variables d'observation (Y (0 : t)); une unité de calcul (22) qui calcule un paramètre d'association causale (θ) indiquant une association causale entre les données de séries temporelles de la pluralité de variables d'état et les données de séries temporelles de la pluralité de variables d'observation, calcule une matrice de variance-covariance (K (X, X')) d'un processus gaussien à partir des données d'apprentissage et du paramètre d'association causale (θ), et exprime le paramètre d'association causale (θ) par un modèle de processus gaussien multitâche; et une unité d'optimisation (24) qui calcule une fonction d'optimisation selon la matrice variance-covariance, et met à jour le paramètre d'association causale (θ) selon la fonction d'optimisation. 因果関係推定装置（１００）は、複数の状態変数の時系列データの集合（Ｘ（０：ｔ））と複数の観測変数の時系列データの集合（Ｙ（０：ｔ））とを含む学習用データを取得するデータ取得部（１０）と、複数の状態変数の時系列データと複数の観測変数の時系列データとの間の因果関係を示す因果関係パラメータ（θ）を計算し、学習用データと因果関係パラメータ（θ）とからガウス過程の分散共分散行列（Ｋ（Ｘ，Ｘ´））を計算し、因果関係パラメータ（θ）をマルチタスクガウス過程モデルで表現する計算部（２２）と、分散共分散行列に基づいて最適化関数を計算し、最適化関数に基づいて因果関係パラメータ（θ）を更新する最適化部（２４）とを有する。