Buchumschlag

TCD-Arena: Assessing Robustness of Time Series Causal Discovery Methods Against Assumption Violations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stein, Gideon, Penzel, Niklas, Piater, Tristan, Denzler, Joachim
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

When Medical Imaging Met Self-Attention: A Love Story That Didn't Quite Work Out
von: Piater, Tristan, et al.
Veröffentlicht: (2024)

CausalRivers -- Scaling up benchmarking of causal discovery for real-world time-series
von: Stein, Gideon, et al.
Veröffentlicht: (2025)

Locally Explaining Prediction Behavior via Gradual Interventions and Measuring Property Gradients
von: Penzel, Niklas, et al.
Veröffentlicht: (2025)

Reducing Bias in Pre-trained Models by Tuning while Penalizing Change
von: Penzel, Niklas, et al.
Veröffentlicht: (2024)

Modeling COVID-19 Dynamics in German States Using Physics-Informed Neural Networks
von: Rothenbeck, Phillip, et al.
Veröffentlicht: (2025)

FastCAV: Efficient Computation of Concept Activation Vectors for Explaining Deep Neural Networks
von: Schmalwasser, Laines, et al.
Veröffentlicht: (2025)

Embracing the black box: Heading towards foundation models for causal discovery from time series data
von: Stein, Gideon, et al.
Veröffentlicht: (2024)

Causal-Audit: A Framework for Risk Assessment of Assumption Violations in Time-Series Causal Discovery
von: Ruiz, Marco, et al.
Veröffentlicht: (2026)

Group Interventions on Deep Networks for Causal Discovery in Subsystems
von: Ahmad, Wasim, et al.
Veröffentlicht: (2025)

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

Anomalous Agreement: How to find the Ideal Number of Anomaly Classes in Correlated, Multivariate Time Series Data
von: Rewicki, Ferdinand, et al.
Veröffentlicht: (2025)

RealTCD: Temporal Causal Discovery from Interventional Data with Large Language Model
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

Facing Asymmetry -- Uncovering the Causal Link between Facial Symmetry and Expression Classifiers using Synthetic Interventions
von: Büchner, Tim, et al.
Veröffentlicht: (2024)

Unraveling Anomalies in Time: Unsupervised Discovery and Isolation of Anomalous Behavior in Bio-regenerative Life Support System Telemetry
von: Rewicki, Ferdinand, et al.
Veröffentlicht: (2024)

CausalCompass: Evaluating the Robustness of Time-Series Causal Discovery in Misspecified Scenarios
von: Yi, Huiyang, et al.
Veröffentlicht: (2026)

Creating a Causally Grounded Rating Method for Assessing the Robustness of AI Models for Time-Series Forecasting
von: Lakkaraju, Kausik, et al.
Veröffentlicht: (2025)

Distance-informed Neural Processes
von: Venkataramanan, Aishwarya, et al.
Veröffentlicht: (2025)

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

Causal Discovery from Conditionally Stationary Time Series
von: Balsells-Rodas, Carles, et al.
Veröffentlicht: (2021)

SpaceTime: Causal Discovery from Non-Stationary Time Series
von: Mameche, Sarah, et al.
Veröffentlicht: (2025)

Mitigating Spurious Correlations in Patch-wise Tumor Classification on High-Resolution Multimodal Images
von: Asaad, Ihab, et al.
Veröffentlicht: (2025)

MotifDisco: Motif Causal Discovery For Time Series Motifs
von: Lamp, Josephine, et al.
Veröffentlicht: (2024)

Robust Causal Discovery in Real-World Time Series with Power-Laws
von: Tusoni, Matteo, et al.
Veröffentlicht: (2025)

Causal Discovery for Irregularly Time Series with Consistency Guarantees
von: Li, Weihong, et al.
Veröffentlicht: (2025)

Dynamic Sparsity: Challenging Common Sparsity Assumptions for Learning World Models in Robotic Reinforcement Learning Benchmarks
von: Pandaram, Muthukumar, et al.
Veröffentlicht: (2025)

How PC-based Methods Err: Towards Better Reporting of Assumption Violations and Small Sample Errors
von: Faltenbacher, Sofia, et al.
Veröffentlicht: (2025)

Uncertainty-aware Physics-informed Neural Networks for Robust CARS-to-Raman Signal Reconstruction
von: Venkataramanan, Aishwarya, et al.
Veröffentlicht: (2025)

The Power of Properties: Uncovering the Influential Factors in Emotion Classification
von: Büchner, Tim, et al.
Veröffentlicht: (2024)

Robust Time Series Causal Discovery for Agent-Based Model Validation
von: Yu, Gene, et al.
Veröffentlicht: (2024)

F-INR: Functional Tensor Decomposition for Implicit Neural Representations
von: Vemuri, Sai Karthikeya, et al.
Veröffentlicht: (2025)

Causal Discovery in Multivariate Time Series through Mutual Information Featurization
von: Paldino, Gian Marco, et al.
Veröffentlicht: (2025)

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

CAPMix: Robust Time Series Anomaly Detection Based on Abnormal Assumptions with Dual-Space Mixup
von: Mou, Xudong, et al.
Veröffentlicht: (2025)

Causal Discovery in Semi-Stationary Time Series
von: Gao, Shanyun, et al.
Veröffentlicht: (2024)

Realistic Face Reconstruction from Facial Embeddings via Diffusion Models
von: Han, Dong, et al.
Veröffentlicht: (2026)

Probabilistic Embeddings for Frozen Vision-Language Models: Uncertainty Quantification with Gaussian Process Latent Variable Models
von: Venkataramanan, Aishwarya, et al.
Veröffentlicht: (2025)

Gradient Extrapolation for Debiased Representation Learning
von: Asaad, Ihab, et al.
Veröffentlicht: (2025)

Colored Noise in PPO: Improved Exploration and Performance through Correlated Action Sampling
von: Hollenstein, Jakob, et al.
Veröffentlicht: (2023)

From Causal Discovery to Dynamic Causal Inference in Neural Time Series
von: Zaytsev, Dmitry, et al.
Veröffentlicht: (2026)

Functional Tensor Decompositions for Physics-Informed Neural Networks
von: Vemuri, Sai Karthikeya, et al.
Veröffentlicht: (2024)