Machine learningNonlinear dynamics

Sample Entropy (Time-Series Complexity)

Képzelje el, hogy hosszú betűsorozatot olvas, és azt kérdezi: ha két rövid kifejezés hasonlónak tűnik, milyen gyakran egyezik a következő betű is? Ha a következő karakter szinte mindig egyezik, a sorozat nagyon kiszámítható és alacsony entrópiájú. Ha ritkán egyezik – a sorozat kiszámíthatatlan és összetett –, az entrópia magas. A Sample Entropy az ilyen egyező kiterjesztéseket számolja, kizárva az önmagukkal való egyezéseket az elfogultság elkerülése érdekében, majd az arányt egyetlen komplexitási pontszámmá alakítja.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

Források

  1. Richman, J. S., & Moorman, J. R. (2000). Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology, 278(6), H2039–H2049. DOI: 10.1152/ajpheart.2000.278.6.H2039

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 2). Sample Entropy (Time-Series Complexity). ScholarGate. https://scholargate.app/hu/complex-systems/sample-entropy

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

Hivatkozik rá

ScholarGateSample Entropy (Sample Entropy (Time-Series Complexity)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/complex-systems/sample-entropy · Adatkészlet: https://doi.org/10.5281/zenodo.20539026