非线性 Granger 因果性的核方法
无序系统与神经网络
2009-11-13 v2 可精确求解与可积系统
摘要
通过测量多组分复杂系统中各组分间的信息交换程度，可以获取关于该系统结构的重要信息。此类知识对于深入理解从湍流流体到神经网络以及复杂生理信号等现象至关重要。近年来，用于检测时间序列间因果关系的线性 Granger 方法已成为完成此项任务的主流统计技术。在此，我们利用再生核希尔伯特空间理论，将 Granger 因果性推广至非线性情形。我们的方法在适当核函数的特征空间中执行线性 Granger 因果性分析，并假设任意程度的非线性。基于再生核希尔伯特空间的几何特性，我们提出了一种应对过拟合问题的新策略。文中展示了该方法在耦合混沌映射和生理数据集上的应用。
引用
@article{arxiv.0711.2643,
title = {Kernel method for nonlinear Granger causality},
author = {Daniele Marinazzo and Mario Pellicoro and Sebastiano Stramaglia},
journal= {arXiv preprint arXiv:0711.2643},
year = {2009}
}
评论
Revised version, accepted for publication on Physical Review Letters