本研究探讨了PNL因果模型的可辨识性，提出了一种在多变量情况下识别动力学系统结构的新方法。利用CausalKinetiX框架和DR$^2$EI方法，自动探索系统响应区域，提升预测性能。研究还涉及动态因果效应识别和复杂动力系统建模的有效方法。

本文提出了一种新的估计器，用于噪声多标签学习中的类相关转换矩阵的可辨识性。通过信息提取纯净标签相关性，证明了转换矩阵的可辨识性，并通过解决双线性分解问题获得转换矩阵。实验验证了估计器在估计多标签噪声转换矩阵方面的有效性，导致出色的分类性能。