Abstract: Y. Duan, Y. Guo, J. Yang, M. Yin (2025)

This paper systematically discusses how the inherent properties of chaotic attractors influence the results of discovering causal relationships from time series using convergent cross mapping, particularly how convergent cross mapping misleads the bidirectional causal relationship as unidirectional when the chaotic attractor exhibits symmetry. We propose a novel method based on the k-means clustering method to address the challenges when the measurement function defines even parity, which may cause this issue. This method is demonstrated to recover the symmetry of the latent chaotic attractor and discover the correct causal links between time series without introducing information from other variables. We validate the accuracy of this method using time series derived from numerical simulations and a real-world system for which convergent cross mapping may conclude erroneous results.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Causal discovery in symmetric dynamic systems with convergent cross mapping