Buchumschlag

Deep Causal Learning to Explain and Quantify The Geo-Tension's Impact on Natural Gas Market

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Peter, Philipp Kai, Li, Yulin, Li, Ziyue, Ketter, Wolfgang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-Driven Optimization of EV Charging Station Placement Using Causal Discovery
von: Junker, Julius Stephan, et al.
Veröffentlicht: (2025)

Learning Nonlinear Causal Reductions to Explain Reinforcement Learning Policies
von: Kekić, Armin, et al.
Veröffentlicht: (2025)

By Fair Means or Foul: Quantifying Collusion in a Market Simulation with Deep Reinforcement Learning
von: Schlechtinger, Michael, et al.
Veröffentlicht: (2024)

Learning by Self-Explaining
von: Stammer, Wolfgang, et al.
Veröffentlicht: (2023)

Explaining the Behavior of Black-Box Prediction Algorithms with Causal Learning
von: Sani, Numair, et al.
Veröffentlicht: (2020)

Distribution-Based Feature Attribution for Explaining the Predictions of Any Classifier
von: Li, Xinpeng, et al.
Veröffentlicht: (2025)

Causal Deep Learning
von: Berrevoets, Jeroen, et al.
Veröffentlicht: (2023)

Towards Learning and Explaining Indirect Causal Effects in Neural Networks
von: Reddy, Abbavaram Gowtham, et al.
Veröffentlicht: (2023)

UncertaintyZoo: A Unified Toolkit for Quantifying Predictive Uncertainty in Deep Learning Systems
von: Wu, Xianzong, et al.
Veröffentlicht: (2025)

GuideLight: "Industrial Solution" Guidance for More Practical Traffic Signal Control Agents
von: Jiang, Haoyuan, et al.
Veröffentlicht: (2024)

CIER: A Novel Experience Replay Approach with Causal Inference in Deep Reinforcement Learning
von: Wang, Jingwen, et al.
Veröffentlicht: (2024)

Explaining Time Series Classification Predictions via Causal Attributions
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

BET: Explaining Deep Reinforcement Learning through The Error-Prone Decisions
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

Causal-Paced Deep Reinforcement Learning
von: Cho, Geonwoo, et al.
Veröffentlicht: (2025)

Causal Concept Graph Models: Beyond Causal Opacity in Deep Learning
von: Dominici, Gabriele, et al.
Veröffentlicht: (2024)

Deep Causal Learning: Representation, Discovery and Inference
von: Deng, Zizhen, et al.
Veröffentlicht: (2022)

Uncovering Discrimination Clusters: Quantifying and Explaining Systematic Fairness Violations
von: Akash, Ranit Debnath, et al.
Veröffentlicht: (2025)

Using the Path of Least Resistance to Explain Deep Networks
von: Salek, Sina, et al.
Veröffentlicht: (2025)

Causally Aligned Curriculum Learning
von: Li, Mingxuan, et al.
Veröffentlicht: (2025)

Amortized Active Causal Induction with Deep Reinforcement Learning
von: Annadani, Yashas, et al.
Veröffentlicht: (2024)

Deep Causal Behavioral Policy Learning: Applications to Healthcare
von: Knecht, Jonas, et al.
Veröffentlicht: (2025)

Iterative Causal Segmentation: Filling the Gap between Market Segmentation and Marketing Strategy
von: Ding, Kaihua, et al.
Veröffentlicht: (2024)

The Effective Horizon Explains Deep RL Performance in Stochastic Environments
von: Laidlaw, Cassidy, et al.
Veröffentlicht: (2023)

Causal Learner: A Toolbox for Causal Structure and Markov Blanket Learning
von: Ling, Zhaolong, et al.
Veröffentlicht: (2021)

Explaining Deep Learning-based Anomaly Detection in Energy Consumption Data by Focusing on Contextually Relevant Data
von: Noorchenarboo, Mohammad, et al.
Veröffentlicht: (2025)

Quantifying Symptom Causality in Clinical Decision Making: An Exploration Using CausaLM
von: Shetty, Mehul, et al.
Veröffentlicht: (2025)

Quantifying Robustness: A Benchmarking Framework for Deep Learning Forecasting in Cyber-Physical Systems
von: Windmann, Alexander, et al.
Veröffentlicht: (2025)

Non-Neighbors Also Matter to Kriging: A New Contrastive-Prototypical Learning
von: Li, Zhishuai, et al.
Veröffentlicht: (2024)

Quantifying the Capability Boundary of DeepSeek Models: An Application-Driven Performance Analysis
von: Zhao, Kaikai, et al.
Veröffentlicht: (2025)

Towards Universal Large-Scale Foundational Model for Natural Gas Demand Forecasting
von: Zhou, Xinxing, et al.
Veröffentlicht: (2024)

Deep Learning-based Group Causal Inference in Multivariate Time-series
von: Ahmad, Wasim, et al.
Veröffentlicht: (2024)

Explaining Learned Reward Functions with Counterfactual Trajectories
von: Wehner, Jan, et al.
Veröffentlicht: (2024)

Quantifying Generalisation in Imitation Learning
von: Gavenski, Nathan, et al.
Veröffentlicht: (2025)

Inductive Subgraphs as Shortcuts: Causal Disentanglement for Heterophilic Graph Learning
von: Wang, Xiangmeng, et al.
Veröffentlicht: (2026)

A Framework for Quantifying How Pre-Training and Context Benefit In-Context Learning
von: Song, Bingqing, et al.
Veröffentlicht: (2025)

SFR-GNN: Simple and Fast Robust GNNs against Structural Attacks
von: Ai, Xing, et al.
Veröffentlicht: (2024)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)

Humanoid-inspired Causal Representation Learning for Domain Generalization
von: Tao, Ze, et al.
Veröffentlicht: (2025)

Explaining Datasets in Words: Statistical Models with Natural Language Parameters
von: Zhong, Ruiqi, et al.
Veröffentlicht: (2024)

Towards Understanding the Optimization Mechanisms in Deep Learning
von: Qi, Binchuan, et al.
Veröffentlicht: (2025)