arXiv 机器学习· Yanlin Zhang, Sungyong Chung, Alireza Talebpour·· 6 小时前AI 评分29
用于供体冗余下稳定反事实估计的图正则化合成控制方法
Graph-Regularized Synthetic Control for Stable Counterfactual Estimation under Donor Redundancy
AI 导读
研究人员提出凸估计器 Graph-SC，通过在经典预处理匹配目标中引入图拉普拉斯惩罚，解决供体冗余导致的权重不稳定问题。该方法利用图编码供体轨迹间的相似性，并基于加速近端梯度法实现高效收敛。在受控模拟、加利福尼亚第 99 号提案基准以及 Waymo Open Motion Dataset 上的实验表明，Graph-SC 显著提升了权重稳定性与可解释性。
来源：arXiv 机器学习 · arxiv.org