محققان در مطالعهای جدید، روش نوآورانهای به نام «SEM-DNN» را ارائه کردهاند که یادگیری تعاملات علی دوطرفه (Bidirectional Causal Interactions) را از دادههای مشاهدهای ممکن میسازد.
این مدل شبکههای عصبیِ ناهمسانسنج (Heteroscedastic)، بدون نیاز به ابزارهای خارجی، قادر است روابط ساختاری پیچیده و همزمان را شناسایی کند. این دستاورد گام مهمی در مدلسازی روابط علت و معلولی در سیستمهای غیرخطی با ابعاد بالا محسوب میشود و به تفسیرپذیری بهتر هوش مصنوعی در تحلیلهای ساختاری کمک میکند. 🧠✨
منبع: arXiv Machine Learning