研究人员开发了一种新方法，可以从横截面数据中恢复稀疏多元随机系统的因果扩散机制。这种方法特别适用于基因表达分析等应用，在这些应用中，破坏性实验可能会限制数据的收集。所提出的方法假设系统遵循已达到平衡分布的时间齐次扩散过程，并且因果结构图是已知的且无环的。推导出了一个非参数核估计器，并证明其一致性，同时提出了一个用于超参数调整的交叉验证方案。 AI
影响 这项研究可以推进适用于复杂系统的因果推断技术，可能影响人工智能模型的可解释性和设计。
排序理由 该条目是一篇学术论文，详细介绍了一个机器学习子领域的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
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…