본 논문은 잠재 변수 인과 모형의 매개변수 탐색을 위한 새로운 접근 방식을 제시한다. 특히, 가우시안 베이지안 네트워크의 주변화에 안정적인 그래프 구조를 제안하고, 잠재 변수 모형의 매개변수 최적화와 피드-포워드 신경망 훈련 사이의 이중성을 처음으로 밝혀냈다. 이를 기반으로 관측 분포를 사용하여 그래프 구조의 매개변수를 최적화하는 알고리즘을 개발하고, 가우시안 설정에서 인과 효과 식별 가능성을 위한 조건을 제공한다. 또한, 인과 효과 식별 가능성을 확인하는 메타 알고리즘을 제안하며, 가우시안 분포에서 다른 분포로 신경망과 인과 모형 간의 이중성을 일반화하기 위한 토대를 마련한다.
