分形条件相关维数用于复杂因果网络推断
信息论
2024-12-02 v1 动力系统
math.IT
摘要
确定因果推断在物理和工程应用中日益受到关注。尽管该问题面临诸多挑战,但它提供了一种通过观测时间序列来建模复杂网络的方法。本文提出了一种最优条件相关几何维数信息流原理(),该原理通过几何解释揭示网络中的直接和间接因果关系。我们引入两种算法,利用原理发现直接链接,然后消除间接链接。通过耦合逻辑网络对这些算法进行评估。结果表明,当观测次数充足时,本文提出的算法在识别直接因果链接方面具有很高的准确性,且误报率较低。
引用
@article{arxiv.2411.19284,
title = {Fractal Conditional Correlation Dimension Infers Complex Causal Networks},
author = {Özge Canlı Usta and Erik M. Bollt},
journal= {arXiv preprint arXiv:2411.19284},
year = {2024}
}