使用高阶 Markov 切换模型识别非平稳因果结构
原文中文,约300字,阅读约需1分钟。发表于: 。通过建立高阶马尔可夫切换模型的可辨识性,我们提出了基于制度依赖因果关系的发现方法,并通过实证研究展示了该方法在高阶制度依赖结构估计上的可扩展性,并对脑活动数据的适用性进行了说明。
我们开发了一种新的因果推断方法,通过学习随机微分方程 (SDEs) 的稳定密度来模拟系统在干预下的行为。这种方法不需要因果图的结构方程,并且无需考虑无环性的常见假设。我们的推断方法基于一个新的理论结果,通过在再生核希尔伯特空间中表达扩散的生成器上的稳定条件。