Evaluación de la robustez del descubrimiento causal de series temporales en escenarios mal especificados

Resumen del corpus

Se presenta CausalCompass, un marco de puntos de referencia para evaluar la robustez de métodos de descubrimiento causal de series temporales (TSCD) ante violaciones de suposiciones de modelado. Los resultados indican que los enfoques basados en aprendizaje profundo suelen tener el mejor rendimiento en la mayoría de los escenarios evaluados. El trabajo busca facilitar la adopción de estos métodos en aplicaciones del mundo real mediante una evaluación sistemática.

Periodista: Huiyang Yi, Xiaojian Shen, Yonggang Wu, Duxin Chen, He Wang, Wenwu Yu

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI