其中,混合时序数据(包含离散变量和连续变量的时间序列数据)的时序因果挖掘是新兴且极具挑战的任务。由于离散变量和连续变量信息粒度和分布类型的不一致,导致混合变量的因果关系挖掘存在信息不对称问题,不可避免地阻碍了主流因果挖掘方法在混合时序...
其中,混合时序数据(包含离散变量和连续变量的时间序列数据)的时序因果挖掘是新兴且极具挑战的任务。由于离散变量和连续变量信息粒度和分布类型的不一致,导致混合变量的因果关系挖掘存在信息不对称问题,不可避免地阻碍了主流因果挖掘方法在混合时序数据中的适用性。针对典型混合变量场景下的时序因果关系挖掘任务及其关键的信...
混合异构时序数据的信息不对称问题与任务导向的通用模型研究——从因果分析说起 报告摘要: 工业界的测量数据大部分为时序数据。其中,混合时序数据(包含离散变量和连续变量的时间序列数据)的时序因果挖掘是新兴且极具挑战的任务。由于离散变量和...
其中,混合时序数据(包含离散变量和连续变量的时间序列数据)的时序因果挖掘是新兴且极具挑战的任务。由于离散变量和连续变量信息粒度和分布类型的不一致,导致混合变量的因果关系挖掘存在信息不对称问题,不可避免地阻碍了主流因果挖掘方法在混合时序数据中的适用性。针对典型混合变量场景下的时序因果关系挖掘任务及其关键的信...