Machine learningDynamical causality

نگاشت متقاطع همگرا (CCM)

نگاشت متقاطع همگرا (CCM) روشی غیرخطی در فضای حالت برای تشخیص علیت بین متغیرهای سری زمانی است که در یک سیستم دینامیکی مشترک تعبیه شده‌اند. CCM که توسط جورج سوگیهارا و همکارانش در مقاله برجسته سال ۲۰۱۲ آن‌ها در ساینس معرفی شد، از قضیه تعبیه تاکنز بهره می‌برد: اگر متغیر X به طور علی بر Y تأثیر بگذارد، سابقه تاریخی Y اطلاعات کافی برای بازیابی حالت‌های X را در خود دارد. علیت زمانی تأیید می‌شود که مهارت نگاشت متقاطع بهبود یابد - همگرا شود - با طولانی‌تر شدن کتابخانه سری زمانی.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

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

نحوهٔ استناد به این صفحه

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

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/causal-inference/convergent-cross-mapping · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026