基于熵的时间序列概要因果图发现
人工智能
2023-11-03 v2 机器学习
摘要
本研究解决在具有潜在不同采样率的时间序列上学习概要因果图的问题。为此，我们首先提出一种新的时间序列因果时序互信息度量。然后我们展示该度量如何与可视为概率提升原则特例的熵减原则相关联。最后我们将这两种要素结合进类PC与类FCI算法中以构建概要因果图。这些算法在多个数据集上进行了评估，显示了其有效性与高效性。
引用
@article{arxiv.2105.10381,
title = {Entropy-based Discovery of Summary Causal Graphs in Time Series},
author = {Charles K. Assaad and Emilie Devijver and Eric Gaussier},
journal= {arXiv preprint arXiv:2105.10381},
year = {2023}
}
备注
Published in Entropy (2022)