論文の概要: Identifying Time Lag in Dynamical Systems with Copula Entropy based
Transfer Entropy
- arxiv url: http://arxiv.org/abs/2301.06037v1
- Date: Sun, 15 Jan 2023 08:08:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 17:40:20.309368
- Title: Identifying Time Lag in Dynamical Systems with Copula Entropy based
Transfer Entropy
- Title(参考訳): copulaエントロピーに基づく伝達エントロピーを用いた力学系の時間遅れの同定
- Authors: Jian Ma
- Abstract要約: 変数間の時間ラグは力学系の重要な特徴である。
コピュラ・エントロピー(コピュラ・エントロピー、Copula Entropy、CE)は、統計学的独立の尺度である。
TEのCEに基づく推定器を用いて動的システムの時間ラグを特定することを提案する。
- 参考スコア(独自算出の注目度): 2.3980064191633232
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Time lag between variables is a key characteristics of dynamical systems in
different fields and identifying such time lag is a central problem in complex
systems with many applications. Transfer Entropy (TE) was proposed as a tool
for time lag identification recently. Unfortunately, estimating TE has been a
notoriously difficult problem. Copula Entropy (CE) is a measure of statistical
independence and it was proved that TE can be represented with only CE.
Therefore, a non-parametric estimator of TE based on CE was proposed according
to such representation recently. In this paper we propose to use the CE-based
estimator of TE to identify time lag in dynamical systems. Both simulated and
real data are used to verify the effectiveness of the proposed method in the
experiments. Experimental results show that the proposed method can identify
the time lags in the three simulated systems. The real data experiment with the
data on power consumption of the Tetouan city also demonstrates that our method
can identify the pattern of time lags through the estimated TE from the weather
factors to the power consumption of the city.
- Abstract(参考訳): 変数間の時間ラグは、異なる分野における力学系の重要な特徴であり、そのような時間ラグを特定することは、多くのアプリケーションを持つ複雑なシステムにおいて中心的な問題である。
移動エントロピー(TE)は近年,時間ラグ識別ツールとして提案されている。
残念ながら、TEを見積もるのは非常に難しい問題でした。
コピュラエントロピー(CE)は統計的な独立性の尺度であり、TEはCEのみで表せることが証明された。
そのため、近年、CEに基づくTEの非パラメトリック推定器が提案されている。
本稿では,TEのCEに基づく推定器を用いて動的システムの時間ラグを推定する。
シミュレーションデータと実データの両方を用いて実験における提案手法の有効性を検証する。
実験の結果,提案手法は3つのシミュレーションシステムの時間ラグを同定できることがわかった。
また, 都市における電力消費に関するデータを用いた実データ実験により, 気象要因から都市の電力消費まで, 推定されたteによる時間的遅れのパターンを同定できることを実証した。
関連論文リスト
- SONNET: Enhancing Time Delay Estimation by Leveraging Simulated Audio [17.811771707446926]
学習に基づく手法は、合成データにもとづいても、新しい実世界のデータに基づいてGCC-PHATを著しく上回り得ることを示す。
トレーニングされたモデルであるSONNETは、リアルタイムに実行可能で、多くの実データアプリケーションのために、最初から新しいデータに取り組んでいます。
論文 参考訳(メタデータ) (2024-11-20T10:23:21Z) - Comparing Prior and Learned Time Representations in Transformer Models of Timeseries [0.0]
時間表現は実験装置の主要な側面であり、目の前のアプリケーションに関係のある時間的関係を適切に表現する必要がある。
実験では, 太陽パネルのエネルギー出力の予測から得られたデータを用いて, 固定時間表現において, 直進的に符号化される既知の周期性を示す。
以上の結果から,この現象を十分に理解した実験でも,副作用による事前知識の符号化は困難であることが示唆された。
論文 参考訳(メタデータ) (2024-11-19T12:56:43Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-24T08:08:05Z) - Time-Series Forecasting and Sequence Learning Using Memristor-based Reservoir System [2.6473021051027534]
我々は,効率的な時間的データ処理とオンライン学習を兼ね備えたmemristorベースのエコー状態ネットワークアクセラレータを開発した。
提案した設計は、負荷エネルギー消費と気象条件の予測など、実世界のタスクを含む様々なデータセットを用いてベンチマークされる。
このシステムはデバイス故障に対して10%以下で合理的な堅牢性を示すことが観察された。
論文 参考訳(メタデータ) (2024-05-22T05:07:56Z) - Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳(メタデータ) (2024-01-11T10:10:16Z) - Instrumental Variable Estimation for Causal Inference in Longitudinal
Data with Time-Dependent Latent Confounders [18.290717457029178]
時系列観測データからの因果推論は、時間依存の共同設立者を特定するのが困難であるため、難しい問題である。
本稿では,時間依存型共同設立者によるデータから,時間依存型インスツルメンタルファクターモデル(TIFM)を提案する。
論文 参考訳(メタデータ) (2023-12-12T11:18:56Z) - DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and
Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。
我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。
本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文 参考訳(メタデータ) (2022-09-26T21:59:14Z) - Averaging Spatio-temporal Signals using Optimal Transport and Soft
Alignments [110.79706180350507]
Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。
手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
論文 参考訳(メタデータ) (2022-03-11T09:46:22Z) - TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。
本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。
本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文 参考訳(メタデータ) (2022-02-07T21:37:29Z) - TE-ESN: Time Encoding Echo State Network for Prediction Based on
Irregularly Sampled Time Series Data [6.221375620565451]
不規則サンプリング時系列(ISTS)に基づく予測は、現実世界の応用において広く懸念されている。
Time Echo State Network(TE-ESN)という新しいモデル構造を作成します。
ISTSデータを処理できる最初のESNsベースのモデルである。
1つのカオスシステムと3つの実世界のデータセットの実験は、TE-ESNがすべてのベースラインよりも優れたパフォーマンスを示している。
論文 参考訳(メタデータ) (2021-05-02T08:00:46Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳(メタデータ) (2020-10-08T20:25:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。