LOCAL：利用方向矩阵从时间序列数据中推断因果结构

本研究解决了从时间序列观察数据中发现潜在有向无环图（DAG）的挑战，特别是面对动态特性和复杂非线性交互的问题。提出的LOCAL方法通过构建准最大似然评分函数，首创性地实现了动态DAG的高效恢复，并通过适应性模块增强了无环性的代数特征。实验结果表明，LOCAL在性能上明显超越现有方法，展现出其在动态因果发现中的广泛应用潜力。