ICLR 23 Submission (7.5)｜GEASS: 高维生物数据的神经因果特征选择

简介：识别高维生物数据中的非线性因果关系是一项重要任务。然而，目前基于神经网络的因果关系检测方法对这些数据的可解释性差，不能很好地扩展到高维制度。这里我们提出了GEASS（Granger fEAture Selection of Spatio temporal data），它通过一个神经网络识别高维时空数据的稀疏Granger因果关系机制。GEASS在理论上保证恢复具有空间/时间Granger因果关系的特征的情况下，最大化了稀疏规则化的多维转移熵。稀疏规范化是通过一个新的组合随机门层实现的，以选择稀疏的非重叠特征子集。我们在几个合成数据集和来自单细胞RNA测序和空间转录组学的真实生物数据中证明了GEASS的功效。