Nikolaos Kougioulis

新研究探索时空数据的先进因果推断 · 已追踪 2 个来源

两篇新研究论文探讨了用于复杂时空数据的先进因果推断技术。第一篇论文介绍了一个时空近因因果推断框架，用于解决隐性混淆和干扰问题，并利用基于 Transformer 的编码器进行代理学习。第二篇论文提出了大型因果模型 (LCMs) 作为时间因果发现的基础模型范式，证明了这些预训练的神经网络架构可以有效地扩展到更高的变量数量，并保持强大的性能，尤其是在分布外设置中。