热点事件持续更新
AdaPS-LiNGAM：小样本下线性非高斯无环模型的自适应前驱选择
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月8日，arXiv（Statistics Machine Learning，cs.LG / stat.ML）发布论文，提出 AdaPS-LiNGAM 方法。该方法针对 DirectLiNGAM 在变量数超过样本量时反复残差化必然退化的问题，用自适应选择的稀疏前驱子集从原始观测直接重构残差，并把同一子集选择原则用于最终剪枝。合成数据实验显示，该方法在样本受限场景下能准确恢复因果结构，且随样本量下降性能退化更平缓。论文已提交至 arXiv。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
2026-10-08，AdaPS-LiNGAM 论文提交至 arXiv，实验显示其在小样本下恢复因果结构更稳健。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · Statistics Machine LearningAdaPS-LiNGAM：小样本下线性非高斯无环模型的自适应前驱选择
提出 AdaPS-LiNGAM，针对 DirectLiNGAM 在变量数超过样本量时反复残差化必然退化的问题，用自适应选择的稀疏前驱子集从原始观测直接重构残差，并把同一子集选择原则用于最终剪枝。合成数据实验显示，该方法在样本受限场景下能准确恢复因果结构，且随样本量下降性能退化更平缓。论文已提交至 arXiv（cs.LG / stat.ML）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。