講演抄録/キーワード |
講演名 |
2020-03-10 13:30
時系列データの解像度が因果性検出に及ぼす影響 ○澤田和弥(東京理科大)・島田 裕(埼玉大)・池口 徹(東京理科大) NLP2019-128 |
抄録 |
(和) |
本稿では,時系列データの解像度がConvergent Cross Mapping~(CCM)~による因果性検出に与える影響を調査している.まず始めに,結合ロジスティックマップから生成された時系列データを,低解像度の整数時系列データに変換した.次に,低解像度の整数時系列データに対してCCMを用いて因果性検出を行うことで,低解像度の時系列データのみからロジスティックマップ間の結合関係(因果関係)を推定できるかどうかを検証した.その結果,時系列データの解像度が低い場合は因果関係の検出が難しくなるものの,両方向に結合している場合では$2^3$程度の解像度でも,因果関係を検出できる可能性があることがわかった.また,低解像度の時系列データの場合,因果性の存在を検出するよりも因果性が存在しないことを検出する方が困難となることを示唆する結果を得た. |
(英) |
In this report, we investigated the influence of resolution of time series data
on causality detection by Convergent Cross Mapping~(CCM).
First, we transformed original time series data generated from a coupled logistic map to low-resolution integer time series data. Then, we performed causality detection for the low-resolution integer time series data. We found that although it is more difficult to detect a causal relationship for the low-resolution integer time series data, it is possible detect a causal relationship with a resolution of about $2^3$ when there is a bidirectional causal relationship. In addition, our results suggest that it is more difficult to detect the non-causality than to detect the causality when we have low-resolution data. |
キーワード |
(和) |
非線形時系列解析 / 因果性 / 結合力学系 / データ解像度 / / / / |
(英) |
Nonlinear Time Series Analysis / Causality / Coupled Dynamical System / Data Resolution / / / / |
文献情報 |
信学技報, vol. 119, no. 471, NLP2019-128, pp. 89-94, 2020年3月. |
資料番号 |
NLP2019-128 |
発行日 |
2020-03-02 (NLP) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NLP2019-128 |
研究会情報 |
研究会 |
MSS NLP |
開催期間 |
2020-03-09 - 2020-03-10 |
開催地(和) |
やすらぎの宿 蒲郡荘 |
開催地(英) |
|
テーマ(和) |
SICE-DES研究会,IEICE-MSS研究会,IEICE-NLP研究会の3研究会併催,一般およびWork In Progress(WIP) ※(WIPセッションはDES,MSSのみ) |
テーマ(英) |
SICE-DES, IEICE-MSS, IEICE-NLP |
講演論文情報の詳細 |
申込み研究会 |
NLP |
会議コード |
2020-03-MSS-NLP |
本文の言語 |
日本語 |
タイトル(和) |
時系列データの解像度が因果性検出に及ぼす影響 |
サブタイトル(和) |
|
タイトル(英) |
Influence of Resolution of Time Series Data on Causality Detection |
サブタイトル(英) |
|
キーワード(1)(和/英) |
非線形時系列解析 / Nonlinear Time Series Analysis |
キーワード(2)(和/英) |
因果性 / Causality |
キーワード(3)(和/英) |
結合力学系 / Coupled Dynamical System |
キーワード(4)(和/英) |
データ解像度 / Data Resolution |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
澤田 和弥 / Kazuya Sawada / サワダ カズヤ |
第1著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: TUS) |
第2著者 氏名(和/英/ヨミ) |
島田 裕 / Yutaka Shimada / シマダ ユタカ |
第2著者 所属(和/英) |
埼玉大学 (略称: 埼玉大)
Saitama University (略称: Saitama Univ.) |
第3著者 氏名(和/英/ヨミ) |
池口 徹 / Tohru Ikeguchi / イケグチ トオル |
第3著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: TUS) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-03-10 13:30:00 |
発表時間 |
25分 |
申込先研究会 |
NLP |
資料番号 |
NLP2019-128 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.471 |
ページ範囲 |
pp.89-94 |
ページ数 |
6 |
発行日 |
2020-03-02 (NLP) |