Buchumschlag

Learning Causality for Longitudinal Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Bouchattaoui, Mouad EL
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Meta-Learning and representation learner: A short theoretical note
von: Bouchattaoui, Mouad El
Veröffentlicht: (2024)

Topological Residual Asymmetry for Bivariate Causal Direction
von: Bouchattaoui, Mouad El
Veröffentlicht: (2026)

Causal Dynamic Variational Autoencoder for Counterfactual Regression in Longitudinal Data
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2023)

Causal Contrastive Learning for Counterfactual Regression Over Time
von: Bouchattaoui, Mouad El, et al.
Veröffentlicht: (2024)

Ultra-marginal Feature Importance: Learning from Data with Causal Guarantees
von: Janssen, Joseph, et al.
Veröffentlicht: (2022)

How Transformers Learn Causal Structure with Gradient Descent
von: Nichani, Eshaan, et al.
Veröffentlicht: (2024)

Causal Entropy and Information Gain for Measuring Causal Control
von: Simoes, Francisco Nunes Ferreira Quialheiro, et al.
Veröffentlicht: (2023)

Learning Unknown Intervention Targets in Structural Causal Models from Heterogeneous Data
von: Yang, Yuqin, et al.
Veröffentlicht: (2023)

On Causality in Domain Adaptation and Semi-Supervised Learning: an Information-Theoretic Analysis for Parametric Models
von: Wu, Xuetong, et al.
Veröffentlicht: (2022)

Fundamental Properties of Causal Entropy and Information Gain
von: Simoes, Francisco N. F. Q., et al.
Veröffentlicht: (2024)

Dictionary Based Pattern Entropy for Causal Direction Discovery
von: B, Harikrishnan N, et al.
Veröffentlicht: (2026)

Application of Deep Learning in Biological Data Compression
von: Zou, Chunyu
Veröffentlicht: (2025)

Modular Learning of Deep Causal Generative Models for High-dimensional Causal Inference
von: Rahman, Md Musfiqur, et al.
Veröffentlicht: (2024)

Quantifying the Prediction Uncertainty of Machine Learning Models for Individual Data
von: Bibas, Koby
Veröffentlicht: (2024)

The Causal Information Bottleneck and Optimal Causal Variable Abstractions
von: Simoes, Francisco N. F. Q., et al.
Veröffentlicht: (2024)

Learning Regularities from Data using Spiking Functions: A Theory
von: Zhang, Canlin, et al.
Veröffentlicht: (2024)

Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks
von: Thomas, Christo Kurisummoottil, et al.
Veröffentlicht: (2023)

A Transfer Framework for Enhancing Temporal Graph Learning in Data-Scarce Settings
von: Agarwal, Sidharth, et al.
Veröffentlicht: (2025)

Generalization Guarantees for Representation Learning via Data-Dependent Gaussian Mixture Priors
von: Sefidgaran, Milad, et al.
Veröffentlicht: (2025)

OmniZip: Learning a Unified and Lightweight Lossless Compressor for Multi-Modal Data
von: Zhao, Yan, et al.
Veröffentlicht: (2026)

Advancing Deep Active Learning & Data Subset Selection: Unifying Principles with Information-Theory Intuitions
von: Kirsch, Andreas
Veröffentlicht: (2024)

Trade-offs in Data Memorization via Strong Data Processing Inequalities
von: Feldman, Vitaly, et al.
Veröffentlicht: (2025)

Random Walk in Random Environment: A short introduction
von: Bouchattaoui, Mouad El
Veröffentlicht: (2024)

Causal Model-Based Reinforcement Learning for Sample-Efficient IoT Channel Access
von: Arun, Aswin, et al.
Veröffentlicht: (2025)

Causally-Guided Diffusion for Stable Feature Selection
von: Malarkkan, Arun Vignesh, et al.
Veröffentlicht: (2026)

The Rough Topology for Numerical Data
von: Yiğit, Uğur
Veröffentlicht: (2022)

Exact Recovery in the Data Block Model
von: Asadi, Amir R., et al.
Veröffentlicht: (2026)

How Patterns Dictate Learnability in Sequential Data
von: Morawski, Mario, et al.
Veröffentlicht: (2025)

Neural Polar Decoders for DNA Data Storage
von: Aharoni, Ziv, et al.
Veröffentlicht: (2025)

Refining Labeling Functions with Limited Labeled Data
von: Li, Chenjie, et al.
Veröffentlicht: (2025)

Interpretive Efficiency: Information-Geometric Foundations of Data Usefulness
von: Katende, Ronald
Veröffentlicht: (2025)

Data-dependent Generalization Bounds via Variable-Size Compressibility
von: Sefidgaran, Milad, et al.
Veröffentlicht: (2023)

Compression of Structured Data with Autoencoders: Provable Benefit of Nonlinearities and Depth
von: Kögler, Kevin, et al.
Veröffentlicht: (2024)

dreaMLearning: Data Compression Assisted Machine Learning
von: Zhao, Xiaobo, et al.
Veröffentlicht: (2025)

Semi-supervised Batch Learning From Logged Data
von: Aminian, Gholamali, et al.
Veröffentlicht: (2022)

Personalized Federated Learning for Cellular VR: Online Learning and Dynamic Caching
von: Tharakan, Krishnendu S., et al.
Veröffentlicht: (2025)

The Causal Description Gap: Information-Theoretic Separations Across Pearl's Hierarchy
von: Emadi, Seyed Morteza
Veröffentlicht: (2026)

Online Clustering of Data Sequences with Bandit Information
von: Chandran, G Dhinesh, et al.
Veröffentlicht: (2025)

Correcting Class Imbalance in Prior-Data Fitted Networks for Tabular Classification
von: McDowell, Samuel, et al.
Veröffentlicht: (2026)

Theoretical Analysis of Submodular Information Measures for Targeted Data Subset Selection
von: Beck, Nathan, et al.
Veröffentlicht: (2024)