ScholarGate
Ассистент
Machine learningDynamical causality

Сходящееся перекрестное отображение (CCM)

Сходящееся перекрестное отображение (CCM) — это нелинейный метод пространства состояний для обнаружения причинно-следственных связей между переменными временных рядов, вложенными в общую динамическую систему. Представленный Джорджем Сугихарой и его коллегами в их знаковой статье 2012 года в журнале Science, CCM использует теорему вложения Такаенса: если переменная X причинно влияет на Y, то историческая запись Y содержит достаточно информации для восстановления состояний X. Причинность подтверждается, когда точность перекрестного отображения улучшается — сходится — по мере увеличения длины библиотеки временных рядов.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

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

Как цитировать эту страницу

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

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Получено 2026-06-15 из https://scholargate.app/ru/causal-inference/convergent-cross-mapping · Набор данных: https://doi.org/10.5281/zenodo.20539026