MOSAIC：稀疏可加可识别因果学习模块发现

Shicheng Fan 等作者发表论文，提出 MOSAIC 方法，一种稀疏时序变分自编码器（VAE），用于科学时间序列的因果模块发现。 该方法将时序因果表示学习的可识别性与观测变量上的支撑集恢复结合起来，通过加性解码器为每个隐变量恢复一组稀疏关联观测，从而实现模块级可解释性。上述效果为论文作者的表述。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。