Non-linear dynamical classification of short time series of the rössler system in high noise regimes.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Gecikme diferansiyel denklemleri (DDE'ler) ile zaman serisi analizi, altta yatan dinamik sistemin doğrusal olmayan özelliklerini ortaya çıkarır ve doğrusal olmayan bir zaman-alanı sınıflandırma aracı olarak görev yapabilir. Burada küresel DDE modelleri, bilinen bir dinamik sistem olan Rössler sisteminden, yüksek gürültü rejimlerinde simüle edilmiş zaman serisinin kısa bölümlerini analiz etmek için kullanıldı. Bir refakatçi makalesinde, Parkinson hastalığı olan ve sağlıklı deneklerden kaydedilen kısa ensefalografik (EEG) verileri sınıflandırmak için burada geliştirilen DDE modelini uyguluyoruz. İki ayrı sınıfın her birinde dokuz simüle edilmiş denek, bifurkasyon parametresi b'yi değiştirerek ve Rössler sisteminin diğer iki parametresini (a ve c) sabit tutarak üretildi. B'nin tüm seçenekleri kaotik parametre aralığındaydı. Simüle edilmiş verileri 10 ila -30 dB sinyal-gürültü oranları (SNR) arasında değişen beyaz gürültü kullanarak seyrelttik. Yapı seçimi, iki veri sınıfını en iyi doğrusal olarak ayıran model DDE modelinin terim, gecikme ve doğrusal olmayan sırasının seçilmesiyle denetlendi. Doğrusal bölme hiperplanından d mesafeleri daha sonra ROC eğrisinin altındaki A alanını hesaplayarak sınıflandırma performansını değerlendirmek için kullanıldı. Seçilen model, tekrarlanan rastgele alt örnekleme doğrulaması kullanılarak eğitimsiz veriler üzerinde test edildi. DDE'ler, dinamiklerdeki değişiklikleri ölçmek için iki dinamik durumu doğru bir şekilde ayırt edebildi ve dahası. Simüle edilen verilerin dinamik bifurkasyon parametresi b ile analizlerimizden elde edilen sınıflandırma parametresi d arasında önemli bir korelasyon vardı. Bu korelasyon, iki dinamik rejimin her birinden seçilen yeni dinamik parametrelere sahip yeni simüle edilmiş konular için hala devam ediyor. Dahası, korelasyon, gürültünün sinyalden daha büyük olduğu zamanlarda bile önemli olduğu için, eklenen gürültüye karşı sağlamdı. DDE modellerinin, küçük gürültülü veri segmentleri için bile genelleştirilebilir ve güvenilir bir sınıflandırma aracı olarak kullanılabileceği sonucuna varıyoruz.

Özgün kaynak özetini okuyun

Time series analysis with delay differential equations (DDEs) reveals non-linear properties of the underlying dynamical system and can serve as a non-linear time-domain classification tool. Here global DDE models were used to analyze short segments of simulated time series from a known dynamical system, the Rössler system, in high noise regimes. In a companion paper, we apply the DDE model developed here to classify short segments of encephalographic (EEG) data recorded from patients with Parkinson's disease and healthy subjects. Nine simulated subjects in each of two distinct classes were generated by varying the bifurcation parameter b and keeping the other two parameters (a and c) of the Rössler system fixed. All choices of b were in the chaotic parameter range. We diluted the simulated data using white noise ranging from 10 to -30 dB signal-to-noise ratios (SNR). Structure selection was supervised by selecting the number of terms, delays, and order of non-linearity of the model DDE model that best linearly separated the two classes of data. The distances d from the linear dividing hyperplane was then used to assess the classification performance by computing the area A' under the ROC curve. The selected model was tested on untrained data using repeated random sub-sampling validation. DDEs were able to accurately distinguish the two dynamical conditions, and moreover, to quantify the changes in the dynamics. There was a significant correlation between the dynamical bifurcation parameter b of the simulated data and the classification parameter d from our analysis. This correlation still held for new simulated subjects with new dynamical parameters selected from each of the two dynamical regimes. Furthermore, the correlation was robust to added noise, being significant even when the noise was greater than the signal. We conclude that DDE models may be used as a generalizable and reliable classification tool for even small segments of noisy data.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.