ScholarGate
Asisten
Machine learningDynamical causality

Pemetaan Silang Konvergen (CCM)

Pemetaan Silang Konvergen (CCM) adalah metode ruang keadaan nonlinier untuk mendeteksi kausalitas antara variabel deret waktu yang tertanam dalam sistem dinamis bersama. Diperkenalkan oleh George Sugihara dan rekan-rekannya dalam makalah Science mereka yang monumental tahun 2012, CCM memanfaatkan teorema penyematan Takens: jika variabel X secara kausal memengaruhi Y, catatan historis Y berisi informasi yang cukup untuk memulihkan keadaan X. Kausalitas dikonfirmasi ketika keterampilan pemetaan silang meningkat—konvergen—seiring bertambahnya panjang pustaka deret waktu.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

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

Cara menyitasi halaman ini

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

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Diakses 2026-06-15 dari https://scholargate.app/id/causal-inference/convergent-cross-mapping · Set data: https://doi.org/10.5281/zenodo.20539026