研究人员开发了一种新的非参数方法，可以从稳态观测中恢复因果扩散机制。该技术对于分析基因表达等数据只能收集一次的系统特别有用。该方法假设一个已达到平衡且时间齐次的扩散过程，并依赖于已知的无环因果结构图。所提出的核估计量被证明是一致的，并提供了一种用于超参数调整的交叉验证方案。 AI
影响 这项研究可能会推进适用于生成扩散模型的因果推理技术。
排序理由 该集群包含一篇详细介绍特定机器学习子领域新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30467v1 Announce Type: new Abstract: We consider sparse multivariate stochastic systems that evolve in continuous time according to a causal mechanism and present methodology to recover the system's time-infinitesimal transition mechanism from mere cross-sectional data…
We consider sparse multivariate stochastic systems that evolve in continuous time according to a causal mechanism and present methodology to recover the system's time-infinitesimal transition mechanism from mere cross-sectional data. This observational paradigm is motivated by ap…