研究者提出节点可变Student-t DAGMA结构学习方法

研究者 Robin Francis 与 Sundeep Prabhakar Chepuri 提出节点可变 Student-t DAGMA，用于在节点扰动具有异质重尾特征时学习有向无环图（DAG）结构。该方法在 DAGMA 的对数行列式无环约束基础上，联合估计图结构、各节点扰动尺度与自由度参数，并借助高斯尺度混合表示得到迭代重加权形式，以降低大标准化残差的权重。 作者称，该方法建立了图与扰动参数的可识别性；合成实验显示其在异质重尾扰动下结构恢复更优，在真实金融数据上的测试负对数似然低于所评估的基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。