ScholarGate
Асистент
Machine learningDynamical causality

Конвергентно кръстосано картографиране (CCM)

Конвергентно кръстосано картографиране (CCM) е нелинеен метод в пространството на състоянията за откриване на причинно-следствена връзка между променливи от времеви редове, вградени в споделена динамична система. Въведен от Джордж Сугихара и колеги в тяхната основополагаща статия от 2012 г. в Science, CCM използва теоремата за вграждане на Такенс: ако променливата X причинно влияе на Y, историческият запис на Y съдържа достатъчно информация за възстановяване на състоянията на X. Причинността се потвърждава, когато умението за кръстосано картографиране се подобрява – конвергира – с нарастване на дължината на библиотеката от времеви редове.

Отворете в MethodMindСкороВидеоСкороИзтегляне на слайдове

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Карта на методите

Обкръжението на сродните методи — изберете възел, за да го разгледате.

Източници

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

Как да цитирате тази страница

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

Кой метод?

Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.

Сравняване едно до друго

Цитиран в

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Извлечено на 2026-06-15 от https://scholargate.app/bg/causal-inference/convergent-cross-mapping · Набор от данни: https://doi.org/10.5281/zenodo.20539026