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21 小时前更新
先了解这件事
报道摘要
DCD 是一种基于分解的因果发现框架,将每条时间序列拆分为趋势、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、残差用约束型因果发现,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:cs.AI
最新进展10月15日 12:00
DCD:面向自相关与非平稳时序数据的基于分解的因果发现框架报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv:cs.AIDCD:面向自相关与非平稳时序数据的基于分解的因果发现框架
DCD 是一种基于分解的因果发现框架,将每条时间序列拆分为趋势、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、残差用约束型因果发现,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
- 可比范围当前
- 6
- 可比范围峰值
- 610月16日 07:00
- 近 24 小时变化
- –
0246
07:0008:0009:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。