MOSAIC提出稀疏时序VAE实现科学时序因果学习

1. 12:00
   arXiv · ML

   MOSAIC：面向科学时间序列的模块发现与稀疏可辨识因果学习

   MOSAIC 是一种稀疏时序 VAE，通过稀疏加性解码器实现可辨识因果学习，旨在科学时间序列中发现可解释的潜在变量模块。 该方法利用基于状态条件的时序变化识别潜在变量，并通过组 Lasso 估计器提供有限样本下的支持恢复保证，具备 ANOVA 主效应支持可辨识性。 MOSAIC 在 RNA 分子动力学、太阳风、ENSO 气候、田纳西东部过程及合成托卡马克基准测试中，实现了领域一致的变量组恢复。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。