continuous-time models

Observable Neural ODEs for Identifiable Causal Forecasting in Continuous Time

Esta pesquisa aborda desafios na inferência causal em tempo contínuo devido a confundidores ocultos, demonstrando que a observabilidade das dinâmicas latentes é crucial para identificar efeitos de tratamento dinâmicos. Propõe os Observable Neural ODEs (ObsNODEs), um modelo inovador para previsão causal que aprende dinâmicas contínuas reconstruíveis.