实体
Dynamic Structural Causal Models
Dynamic Structural Causal Models
PulseAugur coverage of Dynamic Structural Causal Models — every cluster mentioning Dynamic Structural Causal Models across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架将VGDL游戏转换为因果模型
研究人员开发了一个新框架，可以将视频游戏描述语言（VGDL）中描述的游戏转换为动态结构因果模型。该方法旨在克服当前强化学习和大型语言模型在因果机制方面存在的局限性，以及它们经常出现的规则幻觉问题。通过将游戏组件直接映射到显式的结构方程，该框架确保了因果保真度，并支持因果强化学习代理训练和程序化内容验证等应用。
-
新方法使用差分图对时间序列数据进行根本原因分析
研究人员开发了一种新的线性时间序列数据根本原因分析方法，重点在于识别异常期间因果系数发生变化的变量。这种方法被称为差分图发现，将比较两个种群的技术应用于时间序列背景，区分正常和异常运行状态。该方法在模拟数据上进行了评估，并在来自IT监控和重症监护的真实世界数据集上证明了其有效性，有助于定位异常系统行为背后的因果机制。
-
arXiv上发布了新的动态结构因果模型论文
Philip Boeken 在一篇新的 arXiv 论文中介绍了动态结构因果模型（DSCMs）。这些模型旨在表示依赖于时间的系统，包括具有循环时间和潜在混淆变量的系统。该研究概述了 DSCMs 如何应用于随机微分方程（SDEs）系统，为这类系统建立了图形马尔可夫性质。论文还详细介绍了分析局部独立性和对时间序列数据进行重采样的方法，并可能应用于识别时间依赖性干预的因果效应和改进因果发现算法。