ScholarGate
المساعد
Machine learningDynamical causality

الربط المتقاطع المتقارب (CCM)

الربط المتقاطع المتقارب (CCM) هو طريقة غير خطية تعتمد على فضاء الحالة للكشف عن السببية بين متغيرات السلاسل الزمنية المضمنة في نظام ديناميكي مشترك. قدمها جورج سوجيهارا وزملاؤه في ورقتهم العلمية البارزة عام 2012 في مجلة Science، وتستغل هذه الطريقة نظرية تاكينز للتضمين: إذا أثر المتغير X سببيًا على Y، فإن السجل التاريخي لـ Y يحتوي على معلومات كافية لاستعادة حالات X. يتم تأكيد السببية عندما تتحسن مهارة الربط المتقاطع — أي تتقارب — مع زيادة طول مكتبة السلاسل الزمنية.

افتح في MethodMindقريبًافيديوقريبًاتنزيل الشرائح

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

خريطة المناهج

محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.

المصادر

  1. Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/ar/causal-inference/convergent-cross-mapping

أيُّ منهج؟

ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.

قارن جنباً إلى جنب

يُستشهد بها في

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/causal-inference/convergent-cross-mapping · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026