• 调研近年因果发现的最新研究
• 将”因果发现”与”根因分析”以及”基于因果图的因果发现”等概念理清关系
• 从优化的角度重新看待三类因果发现算法, 这可以帮助我们借鉴已有方法到自己的工作中。
• 总结用于因果发现的各种包, 以及Github上star较多的Repositories

1. 时空数据多指标预测

时空数据哪有几种

• 图片+时间轴
• 时间序列+空域关系

1. posterior collapse: where the latents are ignored when they are paired with a powerful autoregressive decoder — typically observed in the VAE framework, i.e., the latents are ignored as the decoder is powerful enough to model x perfectly.个人理解是某些VAE的decoder的重建能力过于好导致重建误差很小，最后模型不能很好的最小化prior相关的loss item。

Survey: Self-supervised learning: Generative or Contrastive

清华唐杰团队的工作，比较完整。

PDF FILE (包含一些笔记)

原文链接

仅记录一些项目中常用但总记不住的语法，希望能早日记住👐🏻