arXiv cs.LG· Jennifer Wendland, Nicolas Freitag, Maik Kschischo·· 9 小时前AI 评分18
Observable Neural ODEs：连续时间下可识别因果预测的新方法
Observable Neural ODEs for Identifiable Causal Forecasting in Continuous Time
AI 导读
研究者提出 Observable Neural ODEs（ObsNODEs），一种基于可观测标准型的 Neural ODE 模型，可在隐藏混杂和部分观测状态下实现连续时间动态治疗效应的识别与因果预测。该方法通过连续时间条件前门调整公式，将潜在结果分布表达为测量模型、潜在动态与滤波分布的组合，并在合成、半合成及真实临床数据上验证了其优于近期序列模型的性能。
来源：arXiv cs.LG · arxiv.org