ScholarGate
Msaidizi
Machine learningDynamical causality

Convergent Cross Mapping (CCM)

Convergent Cross Mapping (CCM) ni mbinu ya hali isiyo ya mstari, yenye nafasi ya hali kwa kugundua sababu kati ya vipimo vya mfululizo wa muda vilivyowekwa katika mfumo wa pamoja wa nguvu. Ilianzishwa na George Sugihara na wenzake katika karatasi yao muhimu ya 2012 katika jarida la Science, CCM hutumia nadharia ya uwekaji ya Takens: ikiwa kigezo X kinaathiri Y kwa sababu, rekodi ya kihistoria ya Y ina habari ya kutosha kurejesha hali za X. Sababu inathibitishwa wakati ustadi wa ramani-msalaba unaboresha—unakaribiana—kadiri maktaba ya mfululizo wa muda inavyokua ndefu zaidi.

Fungua katika MethodMindHivi karibuniVideoHivi karibuniPakua slaidi

Soma mbinu kamili

Kwa wanachama pekee

Ingia kwa akaunti ya bure ili kusoma sehemu hii.

Ingia

Ramani ya mbinu

Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.

Vyanzo

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

Jinsi ya kunukuu ukurasa huu

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

Mbinu ipi?

Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.

Linganisha bega kwa bega

Imerejelewa na

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Imepatikana 2026-06-15 kutoka https://scholargate.app/sw/causal-inference/convergent-cross-mapping · Seti ya data: https://doi.org/10.5281/zenodo.20539026