$Buchumschlag$

Scalable Sample-Level Causal Discovery in Event Sequences via Autoregressive Density Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Math, Hugo, Lienhart, Rainer
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Practical Multi-label Causal Discovery in High-Dimensional Event Sequences via One-Shot Graph Aggregation
von: Math, Hugo, et al.
Veröffentlicht: (2025)

One-Shot Multi-Label Causal Discovery in High-Dimensional Event Sequences
von: Math, Hugo, et al.
Veröffentlicht: (2025)

Harnessing Event Sensory Data for Error Pattern Prediction in Vehicles: A Language Model Approach
von: Math, Hugo, et al.
Veröffentlicht: (2024)

seq2cause: Sample- And Population-Level Causal Discovery from Event Sequences using Autoregressive Models
von: Math, Hugo
Veröffentlicht: (2026)

Learning to Predict, Discover, and Reason in High-Dimensional Event Sequences
von: Math, Hugo
Veröffentlicht: (2026)

Transforming Vehicle Diagnostics: A Multimodal Approach to Error Patterns Prediction
von: Math, Hugo, et al.
Veröffentlicht: (2026)

Multi-Agent Causal Reasoning System for Error Pattern Rule Automation in Vehicles
von: Math, Hugo, et al.
Veröffentlicht: (2026)

Efficient Causal Discovery for Autoregressive Time Series
von: Fesanghary, Mohammad, et al.
Veröffentlicht: (2025)

Scalable Varied-Density Clustering via Graph Propagation
von: Pham, Ninh, et al.
Veröffentlicht: (2025)

Local Causal Discovery for Estimating Causal Effects
von: Gupta, Shantanu, et al.
Veröffentlicht: (2023)

Dynamic Causal Structure Discovery and Causal Effect Estimation
von: Wang, Jianian, et al.
Veröffentlicht: (2025)

Scalable and Flexible Causal Discovery with an Efficient Test for Adjacency
von: Amin, Alan Nawzad, et al.
Veröffentlicht: (2024)

Towards Robust and Scalable Density-based Clustering via Graph Propagation
von: Zheng, Yingtao, et al.
Veröffentlicht: (2026)

Scalable Contrastive Causal Discovery under Unknown Soft Interventions
von: Zhang, Mingxuan, et al.
Veröffentlicht: (2026)

TriOpt: A Scalable Algorithm for Linear Causal Discovery
von: Joy, Rafat Ashraf, et al.
Veröffentlicht: (2026)

Scalable Variational Causal Discovery Unconstrained by Acyclicity
von: Hoang, Nu, et al.
Veröffentlicht: (2024)

Data-Driven Stochastic Modeling Using Autoregressive Sequence Models: Translating Event Tables to Queueing Dynamics
von: Mittal, Daksh, et al.
Veröffentlicht: (2025)

Towards Ball Spin and Trajectory Analysis in Table Tennis Broadcast Videos via Physically Grounded Synthetic-to-Real Transfer
von: Kienzle, Daniel, et al.
Veröffentlicht: (2025)

Causal Discovery via Bayesian Optimization
von: Duong, Bao, et al.
Veröffentlicht: (2025)

A Review and Efficient Implementation of Scene Graph Generation Metrics
von: Lorenz, Julian, et al.
Veröffentlicht: (2024)

Uncovering Causal Relation Shifts in Event Sequences under Out-of-Domain Interventions
von: Zinat, Kazi Tasnim, et al.
Veröffentlicht: (2025)

Scalable Time-Series Causal Discovery with Approximate Causal Ordering
von: Jiao, Ziyang, et al.
Veröffentlicht: (2024)

Density Ratio-based Causal Discovery from Bivariate Continuous-Discrete Data
von: Maeda, Takashi Nicholas, et al.
Veröffentlicht: (2025)

K-Fold Causal BART for CATE Estimation
von: Souto, Hugo Gobato, et al.
Veröffentlicht: (2024)

UnCLe: Towards Scalable Dynamic Causal Discovery in Non-linear Temporal Systems
von: Bi, Tingzhu, et al.
Veröffentlicht: (2025)

Causal Discovery via Quantile Partial Effect
von: Chen, Yikang, et al.
Veröffentlicht: (2025)

Density Ratio Estimation via Sampling along Generalized Geodesics on Statistical Manifolds
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Unifying Autoregressive and Diffusion-Based Sequence Generation
von: Fathi, Nima, et al.
Veröffentlicht: (2025)

Scalable Causal Discovery from Recursive Nonlinear Data via Truncated Basis Function Scores and Tests
von: Ramsey, Joseph, et al.
Veröffentlicht: (2025)

Causal Clustering for Conditional Average Treatment Effects Estimation and Subgroup Discovery
von: Wang, Zilong, et al.
Veröffentlicht: (2025)

Segformer++: Efficient Token-Merging Strategies for High-Resolution Semantic Segmentation
von: Kienzle, Daniel, et al.
Veröffentlicht: (2024)

Improving Finite Sample Performance of Causal Discovery by Exploiting Temporal Structure
von: Bang, Christine W, et al.
Veröffentlicht: (2024)

Deep Autoregressive Models as Causal Inference Engines
von: Im, Daniel Jiwoong, et al.
Veröffentlicht: (2024)

MetaCaDI: A Meta-Learning Framework for Scalable Causal Discovery with Unknown Interventions
von: Ong, Hans Jarett, et al.
Veröffentlicht: (2025)

Scalable Counterfactual Risk Estimation for Rare Events in Longitudinal Data
von: Yin, Xiaohui, et al.
Veröffentlicht: (2026)

STAN: Smooth Transition Autoregressive Networks
von: Inzirillo, Hugo, et al.
Veröffentlicht: (2025)

SequenceMatch: Imitation Learning for Autoregressive Sequence Modelling with Backtracking
von: Cundy, Chris, et al.
Veröffentlicht: (2023)

Recursive Causal Discovery
von: Mokhtarian, Ehsan, et al.
Veröffentlicht: (2024)

Bidirectional Representations Augmented Autoregressive Biological Sequence Generation
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

Large Causal Models for Temporal Causal Discovery
von: Kougioulis, Nikolaos, et al.
Veröffentlicht: (2026)