提出基于分解的因果发现框架DCD
热点事件持续更新
提出基于分解的因果发现框架DCD
1 篇报道1 个报道来源18 小时前更新
先了解这件事
报道摘要
研究者提出 DCD 框架，将每条时间序列分解为趋势、季节和残差分量并分别做因果分析：趋势用平稳性检验、季节用核依赖度量、残差用约束式因果发现，再整合为统一的多尺度因果结构。在大量合成基准和真实气候数据上，该框架比现有最优基线更准确地还原真实因果结构，尤其在强非平稳和时间自相关条件下。
摘自 arXiv Artificial Intelligence
最新进展10月15日 12:00
DCD：从自相关与非平稳时间序列中做基于分解的因果发现报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceDCD：从自相关与非平稳时间序列中做基于分解的因果发现
研究者提出 DCD 框架，将每条时间序列分解为趋势、季节和残差分量并分别做因果分析：趋势用平稳性检验、季节用核依赖度量、残差用约束式因果发现，再整合为统一的多尺度因果结构。在大量合成基准和真实气候数据上，该框架比现有最优基线更准确地还原真实因果结构，尤其在强非平稳和时间自相关条件下。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。