文献

J-GLOBAL ID：201802217443052702   整理番号：18A1687451

線形モデリング技法を用いた多変量時系列からの有向ネットワークの構築【JST・京大機械翻訳】

Constructing directed networks from multivariate time series using linear modelling technique

著者 (6件)： Tanizawa Toshihiro (Kochi National College of Technology, Monobe-Otsu 200-1, Nankoku, Kochi 783-8508, Japan) ,  Nakamura Tomomichi (Graduate School of Simulation Studies, University of Hyogo, 7-1-28 Minatojima-minamimachi, Chuo-ku, Kobe, Hyogo 650-0047, Japan) ,  Taya Fumihiko (Singapore Institute for Neurotechnology, Centre for Life Sciences, National University of Singapore, 28 Medical Drive, #05-COR, Singapore 117456, Singapore) ,  Small Michael (School of Mathematics and Statistics, The University of Western Australia, 35 Stirling Hwy., Crawley, WA 6009, Australia) ,  Small Michael (Complex Data Modelling Group, The University of Western Australia, 35 Stirling Hwy., Crawley, WA 6009, Australia) ,  Small Michael (Mineral Resources, CSIRO, Kensington, WA 6151, Australia)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 512  ページ： 437-455  発行年： 2018年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 著者らは,広く受け入れられている方法に対していくつかの利点を有する多変量時系列から指向性ネットワークを構築する方法を記述した。この方法は線形(自己回帰)モデルの情報理論的低減に基づいている。モデルは縮小自己回帰(RAR)モデルと呼ばれる。提案方法の手順は3つのステップから成る。(i)各時系列をネットワークの基本ノードとして扱い,(ii)多変量RARモデルを構築し,モデルにおける構成情報を要約し,(iii)ノードを要約情報に基づいて指示リンクと接続した。提案した方法を既知のシステムによって生成された数値データに対して実証し,いくつかの実時間の特別な関心に適用した。提案した方法は連結性を同定できるが,3つの点がある。(1)提案方法は,構成要素間の非線形関係を常に同定できない。(2)RARモデルの構築はNP困難であるので,提案方法で構築したネットワークは,徹底的な探索を実行できない場合,近最適ネットワークであり,観測雑音が大きい場合,適切なネットワークを構築することは困難である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 指向性 ,  NP困難 ,  *ネットワーク ,  *モデリング ,  連結性 ,  情報理論 ,  モデル ,  *線形性 ,  *多変量
準シソーラス用語： 測定ノイズ ,  実時間 ,  自己回帰 , 【Automatic Indexing@JST】

著者キーワード (3件)： 時系列モデリング ,  複雑なネットワーク ,  有向ネットワーク

分類 (1件)： ネットワーク法  (KA03040X)

タイトルに関連する用語 (4件)： 線形 ,  多変量 ,  時系列 ,  構築