講演抄録/キーワード |
講演名 |
2016-09-14 13:25
多変数非線形時系列データからのネットワーク構築 ○中村知道(兵庫県立大)・谷澤俊弘(高知高専)・Michael Small(UWA) NLP2016-48 |
抄録 |
(和) |
本稿では、多変数非線形時系列データからネットワークを構築する手法について紹介する。多変数時系列データをネットワーク化する方法として現在広く用いられている手法は、(1) 各時系列データをネットワークのノードとし、(2) 2つのデータの相互相関関数を計算し、(3) その値が設定された閾値を超えた場合、それらのデータを表わすノードを連結する、という3つの手順によって構成されている。相互相関関数は時間遅れを考慮し、2つのデータの時間変化の相似性を調べる統計量である。強い相似性がある場合は、両者に何らかの関係があることが考えられる。しかし、相似性が強くなかったとしても、両者に関係性がないとは限らない。このようなデータの関係性を正確に検証するには、決定論的力学系が必要である。多変数データ間の関係性をより正確に特定するため、我々は統計的な仮説検定を用いた時系列データの特徴分析法(サロゲートデータ法)であるsmall-shuffle surrogate (SSS) 法を用いたネットワーク構築法を提案する。本稿では、シミュレーションモデルを用いて既存方法の問題点を明らかにするとともに、実データに対して提案手法を適用した結果を示す。 |
(英) |
We describe a method for constructing networks from multivariate nonlinear time series. To verify the connection between two signals, we apply a previously proposed and well-established small-shuffle surrogate (SSS) method, which can investigate correlation structures irrespective of whether the structures are linear or nonlinear. The network, which is constructed based on surrogate, indicates the intrinsic (essential) connectivity of the elements included in the system or the underlying (assumed) system. The method is demonstrated for numerical data sets generated by a known system and applied to experimental time series. |
キーワード |
(和) |
時系列解析 / サロゲート法 / 複雑ネットワーク / / / / / |
(英) |
Time series analysis / Surrogate method / Complex network / / / / / |
文献情報 |
信学技報, vol. 116, no. 215, NLP2016-48, pp. 21-26, 2016年9月. |
資料番号 |
NLP2016-48 |
発行日 |
2016-09-07 (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 |
NLP2016-48 |