Buchumschlag

Power Interpretable Causal ODE Networks: A Unified Model for Explainable Anomaly Detection and Root Cause Analysis in Power Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Yue, Wang, Likai, Blum, Rick S., Venkitasubramaniam, Parv
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Unifying Explainable Anomaly Detection and Root Cause Analysis in Dynamical Systems
von: Sun, Yue, et al.
Veröffentlicht: (2025)

Incorporating Domain Differential Equations into Graph Convolutional Networks to Lower Generalization Discrepancy
von: Sun, Yue, et al.
Veröffentlicht: (2024)

RQP-SGD: Differential Private Machine Learning through Noisy SGD and Randomized Quantization
von: Feng, Ce, et al.
Veröffentlicht: (2024)

Root Causing Prediction Anomalies Using Explainable AI
von: Vishnampet, Ramanathan, et al.
Veröffentlicht: (2024)

Hypergraph and Latent ODE Learning for Multimodal Root Cause Localization in Microservices
von: Liu, Xin, et al.
Veröffentlicht: (2026)

Robust Conformal Prediction under Distribution Shift via Physics-Informed Structural Causal Model
von: Xu, Rui, et al.
Veröffentlicht: (2024)

Explainable AI for Correct Root Cause Analysis of Product Quality in Injection Moulding
von: Muaz, Muhammad, et al.
Veröffentlicht: (2025)

Knowledge-Augmented Explainable and Interpretable Learning for Anomaly Detection and Diagnosis
von: Atzmueller, Martin, et al.
Veröffentlicht: (2024)

Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent Dynamical Systems
von: Huang, Zijie, et al.
Veröffentlicht: (2024)

AgentTrace: Causal Graph Tracing for Root Cause Analysis in Deployed Multi-Agent Systems
von: Wang, Zhaohui Geoffrey
Veröffentlicht: (2026)

Structured Temporal Causality for Interpretable Multivariate Time Series Anomaly Detection
von: Cho, Dongchan, et al.
Veröffentlicht: (2025)

Towards Explainable Anomaly Detection in Shared Mobility Systems
von: Isgandarov, Elnur, et al.
Veröffentlicht: (2025)

Interactive and Intelligent Root Cause Analysis in Manufacturing with Causal Bayesian Networks and Knowledge Graphs
von: Wehner, Christoph, et al.
Veröffentlicht: (2024)

Root Cause Attribution of Delivery Risks via Causal Discovery with Reinforcement Learning
von: Xiao, Minheng
Veröffentlicht: (2024)

Root Cause Analysis of Hydrogen Bond Separation in Spatio-Temporal Molecular Dynamics using Causal Models
von: Adesunkanmi, Rahmat K., et al.
Veröffentlicht: (2025)

LLM-Powered Text-Attributed Graph Anomaly Detection via Retrieval-Augmented Reasoning
von: Xu, Haoyan, et al.
Veröffentlicht: (2025)

GLADMamba: Unsupervised Graph-Level Anomaly Detection Powered by Selective State Space Model
von: Fu, Yali, et al.
Veröffentlicht: (2025)

Root Cause Analysis In Microservice Using Neural Granger Causal Discovery
von: Lin, Cheng-Ming, et al.
Veröffentlicht: (2024)

PowerPM: Foundation Model for Power Systems
von: Tu, Shihao, et al.
Veröffentlicht: (2024)

DEM: A Distilled Explanation Model for Interpretable Anomaly Detection in Physiological Sensor Networks
von: Singh, Jyotirmoy, et al.
Veröffentlicht: (2026)

Online Multi-modal Root Cause Identification in Microservice Systems
von: Zheng, Lecheng, et al.
Veröffentlicht: (2024)

LASS-ODE: Scaling ODE Computations to Connect Foundation Models with Dynamical Physical Systems
von: Li, Haoran, et al.
Veröffentlicht: (2026)

xLSTMAD: A Powerful xLSTM-based Method for Anomaly Detection
von: Faber, Kamil, et al.
Veröffentlicht: (2025)

CausalTAD: Injecting Causal Knowledge into Large Language Models for Tabular Anomaly Detection
von: Wang, Ruiqi, et al.
Veröffentlicht: (2026)

InsightBuild: LLM-Powered Causal Reasoning in Smart Building Systems
von: Neogi, Pinaki Prasad Guha, et al.
Veröffentlicht: (2025)

Kolmogorov-Arnold Networks for Time Series: Bridging Predictive Power and Interpretability
von: Xu, Kunpeng, et al.
Veröffentlicht: (2024)

Explainable Anomaly Detection for Electric Vehicles Charging Stations
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

AIS-LLM: A Unified Framework for Maritime Trajectory Prediction, Anomaly Detection, and Collision Risk Assessment with Explainable Forecasting
von: Park, Hyobin, et al.
Veröffentlicht: (2025)

Explainable Anomaly Detection: Counterfactual driven What-If Analysis
von: Cummins, Logan, et al.
Veröffentlicht: (2024)

Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
von: Zhang, Shichang, et al.
Veröffentlicht: (2025)

Wavelet-Enhanced Neural ODE and Graph Attention for Interpretable Energy Forecasting
von: Joy, Usman Gani
Veröffentlicht: (2025)

Toward a Unified Lyapunov-Certified ODE Convergence Analysis of Smooth Q-Learning with p-Norms
von: Lee, Donghwan, et al.
Veröffentlicht: (2024)

Multivariate Physics-Informed Convolutional Autoencoder for Anomaly Detection in Power Distribution Systems with High Penetration of DERs
von: Zideh, Mehdi Jabbari, et al.
Veröffentlicht: (2024)

SLIM: a Scalable Light-weight Root Cause Analysis for Imbalanced Data in Microservice
von: Ren, Rui, et al.
Veröffentlicht: (2024)

Cluster-Dags as Powerful Background Knowledge For Causal Discovery
von: de Vargas, Jan Marco Ruiz, et al.
Veröffentlicht: (2025)

Neural Network Optimal Power Flow via Energy Gradient Flow and Unified Dynamics
von: Liu, Xuezhi
Veröffentlicht: (2025)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

Cross Domain Evaluation of Multimodal Chain-of-Thought Reasoning of different datasets into the Amazon CoT Framework
von: Tiwari, Nitya, et al.
Veröffentlicht: (2025)

Interpretable Policy Distillation for Power Grid Topology Control
von: Dmitruka, Aleksandra, et al.
Veröffentlicht: (2026)

A New Approach to Backtracking Counterfactual Explanations: A Unified Causal Framework for Efficient Model Interpretability
von: Fatemi, Pouria, et al.
Veröffentlicht: (2025)