多元时间序列的符号化高阶分析

通过测量复杂系统各单元随时间的活动来识别它们之间的关系模式，是一个具有许多实际应用的基础问题。在此，我们引入一种检测多元时间序列数据中任意阶依赖关系的方法。该方法首先将多元时间序列转换为符号序列，然后通过贝叶斯方法提取统计显著的符号串。这些模体最终被建模为超图的超边，使我们能够利用网络理论研究原始数据中的高阶相互作用。当应用于神经和社交系统时，我们的方法揭示了有意义的高阶依赖关系，突显了它们在大脑功能和社会行为中的重要性。