論文の概要: Information Flow Rate for Cross-Correlated Stochastic Processes

• arxiv url: http://arxiv.org/abs/2401.04950v1
• Date: Wed, 10 Jan 2024 06:08:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-11 15:15:27.400340
• Title: Information Flow Rate for Cross-Correlated Stochastic Processes
• Title（参考訳）: クロスコラーレンス確率過程における情報フロー速度
• Authors: Dionissios T. Hristopulos
• Abstract要約: 結合プロセス間のデータ駆動情報流速の統計特性について検討する。 我々は,情報流速統計の期待値と,自動相関関数と相互相関関数の特性の関係を導出する。 本分析は, サンプリングステップの影響, 相互相関の強さ, 情報流速に対する相関の時間的遅延について考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Causal inference seeks to identify cause-and-effect interactions in coupled systems. A recently proposed method by Liang detects causal relations by quantifying the direction and magnitude of information flow between time series. The theoretical formulation of information flow for stochastic dynamical systems provides a general expression and a data-driven statistic for the rate of entropy transfer between different system units. To advance understanding of information flow rate in terms of intuitive concepts and physically meaningful parameters, we investigate statistical properties of the data-driven information flow rate between coupled stochastic processes. We derive relations between the expectation of the information flow rate statistic and properties of the auto- and cross-correlation functions. Thus, we elucidate the dependence of the information flow rate on the analytical properties and characteristic times of the correlation functions. Our analysis provides insight into the influence of the sampling step, the strength of cross-correlations, and the temporal delay of correlations on information flow rate. We support the theoretical results with numerical simulations of correlated Gaussian processes.
• Abstract（参考訳）: 因果推論は結合系における因果関係を同定する。 liang氏が最近提案した手法は、時系列間の情報フローの方向と大きさを定量化することで因果関係を検出する。 確率力学系に対する情報フローの理論的定式化は、異なる系単位間のエントロピー移動率に関する一般表現とデータ駆動統計量を与える。 直感的な概念や物理的に意味のあるパラメータの観点から情報フロー率の理解を深めるために,結合確率過程間のデータ駆動情報フロー率の統計的性質について検討する。 我々は,情報流速統計の期待値と自己相関関数と相互相関関数の特性の関係を導出する。 そこで,本研究では相関関数の解析特性と特性時間に対する情報フロー率の依存性を明らかにする。 本分析は,サンプリングステップの影響,相互相関の強さ,情報流速に対する相関の時間的遅延について考察する。 相関ガウス過程の数値シミュレーションにより理論的結果を支持する。

関連論文リスト

• Decoupled Marked Temporal Point Process using Neural Ordinary Differential Equations [14.828081841581296]
  MTPP(マークド・テンポラル・ポイント・プロセス)は、イベント・タイム・データの集合である。 近年の研究では、ディープニューラルネットワークを使用してイベントの複雑な時間的依存関係をキャプチャしている。 本稿では,プロセスの特性を異なる事象からの進化的影響の集合に分解する脱結合型MTPPフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-10T10:15:32Z)
• 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)
• Diffusion model for relational inference [2.83334745695045]
  観測可能な力学を持つシステムに対する金融価格モデルを提案する。 DiffRIは条件拡散モデルを用いて、コンポーネント間の接続の確率を推測する。
  論文  参考訳（メタデータ） (2024-01-30T05:25:02Z)
• Applications of flow models to the generation of correlated lattice QCD ensembles [69.18453821764075]
  機械学習された正規化フローは、格子量子場理論の文脈で、異なる作用パラメータで格子ゲージ場の統計的に相関したアンサンブルを生成するために用いられる。 本研究は,これらの相関を可観測物の計算における分散低減に活用する方法を実証する。
  論文  参考訳（メタデータ） (2024-01-19T18:33:52Z)
• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)
• Fisher information of correlated stochastic processes [0.0]
  メモリフルプロセスで符号化されたパラメータの推定に関する2つの結果を示す。 まず、有限マルコフ順序の過程に対して、フィッシャー情報は結果の個数において常に線型であることを示す。 第二に、相関が必ずしもメートル法精度を高めるとは限らないことを適切な例で証明する。
  論文  参考訳（メタデータ） (2022-06-01T12:51:55Z)
• A Correlation Information-based Spatiotemporal Network for Traffic Flow Forecasting [4.933291769305828]
  交通パターンを予測するための新しい相関情報に基づく時間ネットワーク(CorrSTN)を提案する。 特に,最新のモデルであるASTGNNを12.7%,14.4%,27.4%,MAE,RMSE,MAPEをそれぞれ改善した。
  論文  参考訳（メタデータ） (2022-05-20T04:38:49Z)
• Decomposing neural networks as mappings of correlation functions [57.52754806616669]
  本研究では,ディープフィードフォワードネットワークによって実装された確率分布のマッピングについて検討する。 ニューラルネットワークで使用できる異なる情報表現と同様に、データに不可欠な統計を識別する。
  論文  参考訳（メタデータ） (2022-02-10T09:30:31Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)
• TCMI: a non-parametric mutual-dependence estimator for multivariate continuous distributions [0.0]
  総累積相互情報(TCMI)は相互依存の関連性の尺度である。 TCMIは、特徴集合の比較とランキングを容易にする非パラメトリックで堅牢で決定論的尺度である。
  論文  参考訳（メタデータ） (2020-01-30T08:42:25Z)

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。