اکسپرس 24
ترجمه فارسی مقاله تشخیص علیت در حوزه فرکانس با استفاده از همدوسی نگاشت متقاطع

ترجمه فارسی مقاله تشخیص علیت در حوزه فرکانس با استفاده از همدوسی نگاشت متقاطع

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Detecting Causality in the Frequency Domain with Cross-Mapping Coherence
عنوان مقاله به فارسی تشخیص علیت در حوزه فرکانس با استفاده از همدوسی نگاشت متقاطع
نویسندگان Zsigmond Benkő, Bálint Varga, Marcell Stippinger, Zoltán Somogyvári
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
دسته بندی موضوعات Machine Learning,Chaotic Dynamics,Data Analysis, Statistics and Probability,Machine Learning,یادگیری ماشین , پویایی هرج و مرج , تجزیه و تحلیل داده ها , آمار و احتمال , یادگیری ماشین ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , ACM Class: J.2; J.3; I.5
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، کلاس ACM: J.2 ؛J.3 ؛i.5

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 800,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Understanding causal relationships within a system is crucial for uncovering its underlying mechanisms. Causal discovery methods, which facilitate the construction of such models from time-series data, hold the potential to significantly advance scientific and engineering fields. This study introduces the Cross-Mapping Coherence (CMC) method, designed to reveal causal connections in the frequency domain between time series. CMC builds upon nonlinear state-space reconstruction and extends the Convergent Cross-Mapping algorithm to the frequency domain by utilizing coherence metrics for evaluation. We tested the Cross-Mapping Coherence method using simulations of logistic maps, Lorenz systems, Kuramoto oscillators, and the Wilson-Cowan model of the visual cortex. CMC accurately identified the direction of causal connections in all simulated scenarios. When applied to the Wilson-Cowan model, CMC yielded consistent results similar to spectral Granger causality. Furthermore, CMC exhibits high sensitivity in detecting weak connections, demonstrates sample efficiency, and maintains robustness in the presence of noise. In conclusion, the capability to determine directed causal influences across different frequency bands allows CMC to provide valuable insights into the dynamics of complex, nonlinear systems.

چکیده به فارسی (ترجمه ماشینی)

درک روابط علی در یک سیستم برای کشف مکانیسم های اساسی آن بسیار مهم است.روشهای کشف علی ، که ساخت چنین مدلهایی را از داده های سری زمانی تسهیل می کند ، این پتانسیل را برای پیشرفت چشمگیر زمینه های علمی و مهندسی نگه می دارد.این مطالعه روش انسجام نقشه برداری متقاطع (CMC) را ارائه می دهد ، که برای آشکار کردن اتصالات علی در حوزه فرکانس بین سری زمانی طراحی شده است.CMC بر روی بازسازی حالت غیرخطی فضای ایجاد می کند و با استفاده از معیارهای انسجام برای ارزیابی ، الگوریتم نقشه برداری متقاطع همگرا را به دامنه فرکانس گسترش می دهد.ما روش انسجام نقشه برداری متقاطع را با استفاده از شبیه سازی نقشه های لجستیک ، سیستم های لورنز ، نوسان سازهای Kuramoto و مدل Wilson-Cowan از قشر بصری آزمایش کردیم.CMC به طور دقیق جهت اتصالات علی را در تمام سناریوهای شبیه سازی شده مشخص کرد.هنگامی که به مدل Wilson-Cowan اعمال شد ، CMC نتایج مداوم مشابه علیت گرنجر طیفی را به همراه داشت.علاوه بر این ، CMC در تشخیص اتصالات ضعیف حساسیت بالایی دارد ، راندمان نمونه را نشان می دهد و استحکام را در حضور نویز حفظ می کند.در نتیجه ، توانایی تعیین تأثیرات علّی کارگردانی در گروههای فرکانس مختلف به CMC اجازه می دهد تا بینش ارزشمندی در مورد پویایی سیستم های پیچیده و غیرخطی ارائه دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.