Machine learningNonlinear dynamics

Entropija pēc parauga

Entropija pēc parauga (SampEn) ir nelineārs laika sēriju sarežģītības un regularitātes mērs. Ieviesa Ričmens un Mūrmens 2000. gadā kā uzlabojumu attiecībā pret Aproksimēto entropiju (ApEn), tā kvantificē līdzīgu modeļu iespējamību dotā garumā sērijā palikt līdzīgiem, kad tie tiek papildināti ar vienu papildu datu punktu. Augstāka SampEn vērtība norāda uz lielāku neregulāritāti un sarežģītību, savukārt zemāka vērtība norāda uz lielāku regularitāti vai pašlīdzību.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  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

Kā citēt šo lapu

ScholarGate. (2026, June 2). Sample Entropy (Time-Series Complexity). ScholarGate. https://scholargate.app/lv/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

Uz to atsaucas

ScholarGateSample Entropy (Sample Entropy (Time-Series Complexity)). Izgūts 2026-06-15 no https://scholargate.app/lv/complex-systems/sample-entropy · Datu kopa: https://doi.org/10.5281/zenodo.20539026