ICLRJun, 2022
交互式系统中瞬时和时间效应的因果表示学习
Causal Representation Learning for Instantaneous and Temporal Effects in Interactive Systems
Phillip Lippe, Sara Magliacane, Sindy Löwe, Yuki M. Asano, Taco Cohen...
TL;DR提出了一种名为 iCITRIS 的因果表示学习方法,用于在时间序列观测中识别可能是多维的因果变量,同时使用可微分因果发现方法学习它们的因果图。该方法能够允许瞬时效应,有效解决了测量或帧速率慢于因果效应的实际应用问题。在三个交互系统数据集上的实验表明,iCITRIS 能够准确识别因果变量及其因果图。