順列エントロピーを用いた時系列データにおける局所混合の検出【JST・京大機械翻訳】

Neuder Michael; Bradley Elizabeth; Dlugokencky Edward; White James W. C.; Garland Joshua

プレプリント

J-GLOBAL ID：202202210976692399 整理番号：21P0056385

順列エントロピーを用いた時系列データにおける局所混合の検出【JST・京大機械翻訳】

Detection of Local Mixing in Time-Series Data Using Permutation Entropy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年10月23日プレプリントサーバーでの情報更新日： 2020年10月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

できるだけ高いデータ速度を求めるための実験実践において,それは,過サンプリングは,1つが高密度に測定されるならば,問題になることができる。これらの効果は,多くの形態を取ることができ,その幾つかは,例えば,データシーケンスが同じ測定値の多重コピーを含むとき,検出が容易である。他の状況において,測定装置および/またはシステム自体オーバーサンプリング効果に混合があるとき,検出が難しくなる。置換エントロピーと呼ばれる情報理論的技術を用いて時系列における局所混合を検出する新しいモデルフリー技術を提案した。計算の時間分解能を変化させ,結果のパターンを解析することにより,データが局所的に混合され,どのスケールでも混合されるかどうかを決定できた。これは,データを測定または報告するための尺度の適切な下限を選択するために,実務者によって使用できる。この技術をいくつかの合成例で検証した後,化学実験からのデータ,Mauna Loaからのメタン記録,および南極氷コアの有効性を実証した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る