ScholarGate
Pembantu
Machine learningDynamical causality

Pemetaan Silang Konvergen (CCM)

Pemetaan Silang Konvergen (CCM) ialah kaedah ruang keadaan tak linear untuk mengesan sebab-akibat antara pembolehubah siri masa yang terbenam dalam sistem dinamik yang dikongsi. Diperkenalkan oleh George Sugihara dan rakan-rakannya dalam kertas Sains mercu tanda mereka pada tahun 2012, CCM memanfaatkan teorem penanaman Takens: jika pembolehubah X secara sebab-akibat mempengaruhi Y, rekod sejarah Y mengandungi maklumat yang mencukupi untuk memulihkan keadaan X. Sebab-akibat disahkan apabila kemahiran pemetaan silang meningkat—menumpu—apabila pustaka siri masa semakin panjang.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

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

Cara memetik halaman ini

ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/ms/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

Dirujuk oleh

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