ScholarGate
Avustaja
Machine learningDynamical causality

Konvergentti ristikkäiskartoitus (CCM)

Konvergentti ristikkäiskartoitus (CCM) on epälineaarinen, tilavaruusmenetelmä, jolla havaitaan kausaliteetti aikasarjamuuttujien välillä, jotka ovat upotettuna jaettuun dynaamiseen järjestelmään. George Sugiharan ja kollegoiden uraauurtavassa vuoden 2012 Science-lehden artikkelissa esittelemä CCM hyödyntää Takensin upotusteoreemaa: jos muuttuja X kausaalisesti vaikuttaa Y:hyn, Y:n historiallinen tieto sisältää riittävästi informaatiota X:n tilojen palauttamiseksi. Kausaliteetti vahvistetaan, kun ristikkäiskartoituksen tarkkuus paranee – konvergoituu – aikasarjakirjaston kasvaessa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaLataa diat

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Menetelmäkartta

Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.

Lähteet

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

Näin viittaat tähän sivuun

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

Mikä menetelmä?

Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.

Vertaa rinnakkain

Tähän viittaavat

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/causal-inference/convergent-cross-mapping · Aineisto: https://doi.org/10.5281/zenodo.20539026