自動相関非線形時系列データセットにおける同時および遅れ因果関係の発見【JST・京大機械翻訳】

Runge Jakob

プレプリント

J-GLOBAL ID：202202215860092957 整理番号：22P0001862

自動相関非線形時系列データセットにおける同時および遅れ因果関係の発見【JST・京大機械翻訳】

Discovering contemporaneous and lagged causal relations in autocorrelated nonlinear time series datasets

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 (1件)：
資料名：
発行年： 2020年03月07日プレプリントサーバーでの情報更新日： 2022年01月05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)

本論文では,線形および非線形,遅れた,そして,同時の十分な事例における観測時系列からの同時的因果発見のための,新しい条件付き独立性(CI)ベースの方法を紹介した。PCアルゴリズムのような既存のCIベース法や,他のフレームワークからの一般的な方法は,時系列でユビキタスな挑戦である強い自己相関のために,低い想起と部分的に膨張した偽陽性に悩まされる。新しい方法,PCMCI ̄+はPCMCI[Runge et al., 2019b]を拡張し,同時発生リンクの発見を含む。PCMCI ̄+は,調整セットの選択と自己相関からの利益を最適化することにより,CI試験の信頼性を改善する。この方法は,オラクルケースにおいて順序独立で一貫性がある。広範囲の数値実験により,PCMCI ̄+は,他の方法と比較して,より高い隣接検出力および特により同時の配向想起を持ち,一方,偽陽性を良好に制御することを示した。また,最適化調整セットはPCアルゴリズムよりはるかに短い実行時間をもたらす。PCMCI ̄+は多くの実世界アプリケーションシナリオでかなり使用することができ,しばしば時間分解能が遅れて,強い自己相関が存在しているので,しばしば時間分解能が粗い。【JST・京大機械翻訳】

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

人工知能 , 統計学

, , , , ,

前のページに戻る