ScholarGate
Trợ lý
Machine learningDynamical causality

Lập bản đồ chéo hội tụ (CCM)

Lập bản đồ chéo hội tụ (CCM) là một phương pháp không tuyến tính, không gian trạng thái để phát hiện nhân quả giữa các biến chuỗi thời gian được nhúng trong một hệ thống động lực chung. Được giới thiệu bởi George Sugihara và các đồng nghiệp trong bài báo khoa học mang tính bước ngoặt năm 2012, CCM khai thác định lý nhúng của Takens: nếu biến X ảnh hưởng nhân quả đến Y, thì hồ sơ lịch sử của Y chứa đủ thông tin để phục hồi các trạng thái của X. Nhân quả được xác nhận khi kỹ năng lập bản đồ chéo cải thiện—hội tụ—khi thư viện chuỗi thời gian ngày càng dài hơn.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtTải xuống bản trình chiếu

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Bản đồ phương pháp

Lân cận của các phương pháp liên quan — chọn một nút để khám phá.

Nguồn tài liệu

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

Cách trích dẫn trang này

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

Phương pháp nào?

Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.

So sánh song song

Được tham chiếu bởi

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/causal-inference/convergent-cross-mapping · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026