文献

J-GLOBAL ID：201902265196376902   整理番号：19A1540831

不均一プロセスに対するGranger因果律【JST・京大機械翻訳】

Granger Causality for Heterogeneous Processes

著者 (4件)： Behzadi Sahar (Faculty of Computer Science, Data Mining, University of Vienna, Vienna, Austria) ,  Hlavackova-Schindler Katerina (Faculty of Computer Science, Data Mining, University of Vienna, Vienna, Austria) ,  Plant Claudia (Faculty of Computer Science, Data Mining, University of Vienna, Vienna, Austria) ,  Plant Claudia (ds:UniVie, University of Vienna, Vienna, Austria)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11441  ページ： 463-475  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時系列間の時間的構造の発見と因果的相互作用の発見は,最近データマイニングコミュニティの注目を集めている。様々な因果関係の中で,グラフィカルGranger因果律はその直感的な解釈と計算の単純さのためによく知られている。現在の図式アプローチの大部分は,均一データセットに対して設計されている。すなわち,相互作用プロセスは,同じデータ分布を持つと仮定されている。多くのアプリケーションが不均一時系列を発生させるので,質問はそれらの間の時間的因果関係を検出するためにグラフィカルGrangerモデルを活用する方法を生み出す。一般化線形モデルからの予測において,より広い一般的分布,例えばPoisson,γを含む指数族からの分布を持つ時系列間の因果関係を検出するための効率的な不均一グラフGrangerモデル(HGGM)を提案した。著者らのアルゴリズムの一貫性を保証するために,可変選択法として適応性レーザを採用した。合成および実データに関する広範な実験により,HGGMの有効性および効率を確認した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *因果律 ,  レーザ ,  相互作用 ,  アルゴリズム ,  有効性 ,  適応性 ,  応用プログラム
準シソーラス用語： 選択法 ,  一般化線形モデル ,  *Granger因果律 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： 不均一 ,  プロセス ,  Granger因果律