跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

10月15日
  1. arXiv:cs.AI
    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

    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
–

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。