The tropical geometry of causal inference for extremes
极端事件因果推断的热带几何AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论极端事件的因果结构学习与因果推断，未指明金融应用，故不归入金融尾部风险。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
极端事件因果推断的热带几何
- 研究问题
- 热带几何如何帮助理解和学习极端事件的因果结构，在哪些情形下极值因果方法可能比经典统计方法更适合？
- 方法与思路
- 作者综述利用热带几何构造极值统计学习算法的近期研究，以基准数据表现辅助直观解释，并提出交叉领域开放问题。
- 材料陈述的贡献
- 摘要称，相关算法在基准数据集上表现领先，文章解释采用极值因果推断的时机，并梳理其与热带几何及深度学习的联系。
- 阅读关注点
- 应核对极值模型和因果识别条件、几何结构如何转化为算法，以及基准比较的任务、指标与经典方法是否具有可比性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出模型条件和基准数值，所述领先表现不能推及所有极端事件。
原文摘要
Extreme value statistics is the max analogue of classical statistics, while tropical geometry is the max analogue of classical geometry. In this paper, we review recent work where insights from tropical geometry were used to develop new, efficient learning algorithms with leading performance on benchmark datasets in extreme value statistics. We give intuition, backed by performances on benchmark datasets, for why and when causal inference for extremes should be employed over classical methods. Finally, we list some open problems at the intersection of causal inference, tropical geometry and deep learning.