摘要
本发明涉及一种因果效应动态估计方法、设备及介质,该方法通过纵向观察数据集构建干预感知卷积模块,对时变协变量和干预变量加权处理,嵌入干预变量生成多维时序特征表示。利用径向基函数映射干预变量生成高维特征表示,与时序特征结合构建多层干预感知模块,调整特征维度匹配后输出包含历史特征和干预信息的时序特征表示。基于此构建预测模型,预测下一时间步的结果变量和时变协变量,结合观测值用SAM优化算法最小化损失,引入对抗训练生成样本,迭代优化模型参数。利用模型进行反事实推理,生成各时间步结果变量和时变协变量的反事实轨迹,结合不同干预变量序列比较多个干预方案,输出动态因果效应轨迹数据,实现个性化因果效应估计。
技术关键词
动态估计方法
时序特征
变量
输出解码器
高斯径向基函数
卷积模块
非线性
多层前馈神经网络
构建预测模型
效应
预测模型训练
样本
输出特征
因子
数据
参数
轨迹
可读存储介质
系统为您推荐了相关专利信息
多主元合金涂层
机器学习模型
磁控溅射工艺
支持向量回归
遗传算法
供能控制系统
换热水路
GRU模型
有向图结构
故障诊断模块
BiLSTM模型
冗余特征
电路仿真模型
故障诊断方法
离散小波变换