Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Demand-Aware Opportunistic Spectrum Access: A Game-Theoretic Learning Approach Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Identification of Direction of Time in Vector Autoregressive Systems Using PC Algorithm

verfasst von : Borzou Alipourfard, Jean X. Gao

Erschienen in: Communications, Signal Processing, and Systems

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper we study whether it is possible to identify the direction of time in vector autoregressive processes. We prove a result regarding time reversibility of such systems and propose an algorithm to identify the direction of time when the system is not reversible. We first show that it is possible to utilize the PC-algorithm to identify the directed acyclic graph corresponding to a vector autoregressive process. The identified directed acyclic graph is then used to determine the direction of time. We test our proposed algorithm both on simulated data and real data consisting of EEG recordings.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A New Method of Moving Target Detection Based on OFDM Signal in Radar System
Nächstes Kapitel Joint User-Centric Overlapped Clustering and Load Balancing in Ultra Dense Networks
Literatur
1.
Maathuis, M.H., Nandy, P.: A Review of Some Recent Advances in Causal Inference (2016)
2.
Heise, D.R.: Causal Analysis. Wiley, Hoboken (1975)
3.
Spirtes, P., Glymour, C.N., Scheines, R.: Causation, Prediction, and Search. MIT press, Cambridge (2000)
4.
Granger, C.W.: Investigating causal relations by econometric models and cross-spectral methods. Econometrica J. Econometric Soc. 37(3), 424–438 (1969)
5.
Peters, J., Janzing, D., Gretton, A., Schlkopf, B.: Detecting the direction of causal time series. In: Proceedings of the 26th Annual International Conference on Machine Learning, pp. 801–808. ACM (2009)
6.
7.
Ghysels, E., Hill, J.B., Motegi, K.: Testing for granger causality with mixed frequency data. J. Econometrics 192(1), 207–230 (2016)
8.
Geiger, D., Verma, T., Pearl, J.: Identifying independence in Bayesian networks. Networks 20(5), 507–534 (1990)
9.
Colombo, D., Maathuis, M.H.: Order-independent constraint-based causal structure learning. J. Mach. Learn. Res. 15(1), 3741–3782 (2014)
10.
Ramsey, J., Zhang, J., Spirtes, P.L.: Adjacency-faithfulness and conservative causal inference. arXiv preprint arXiv:​1206.​6843 (2012)
11.
Zuk, O., Margel, S., Domany, E.: On the number of samples needed to learn the correct structure of a Bayesian network. arXiv preprint arXiv:​1206.​6862 (2012)
12.
Delorme, A., Makeig, S.: EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Methods 134(1), 9–21 (2004)
13.
Akaike, H.: A new look at the statistical model identification. IEEE Trans. Autom. Control 19(6), 716–723 (1974)
Metadaten
Titel
Identification of Direction of Time in Vector Autoregressive Systems Using PC Algorithm
verfasst von
Borzou Alipourfard
Jean X. Gao
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Communications, Signal Processing, and Systems

Print ISBN: 978-981-10-6570-5

Electronic ISBN: 978-981-10-6571-2

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-10-6571-2_276

Neuer Inhalt

    Bildnachweise