arXiv ID:
2604.26070
arXiv 提交日期: 2026-04-28
可观测神经常微分方程:用于连续时间中可识别的因果预测 / Observable Neural ODEs for Identifiable Causal Forecasting in Continuous Time
1️⃣ 一句话总结
本文提出了一种名为ObsNODE的新型神经常微分方程模型,它通过确保模型内部状态能从观测数据中唯一重构(即“可观测性”),解决了在连续时间决策问题中因隐藏混淆变量导致的因果推断难题,从而能够更可靠地预测不同干预措施下的未来结果。