Estimating linear dependence between nonstationary time series using the locally stationary wavelet model
利用局部平稳小波模型估计非平稳时间序列间的线性依赖AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究非平稳时间序列的局部、多尺度依赖估计，对应时间序列方法，应用对象是神经数据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用局部平稳小波模型估计非平稳时间序列间的线性依赖
- 研究问题
- 多脑区记录的时间序列具有非平稳性，如何估计随时间和尺度变化的线性依赖，以描述神经信号之间的关联结构？
- 方法与思路
- 作者从二元局部平稳小波时间序列模型推导依赖度量，利用小波的时间与尺度局部性，构造局部、多尺度的依赖估计。
- 材料陈述的贡献
- 摘要称提出适合非平稳序列的新依赖度量，并通过模拟及大鼠海马与前额叶电生理数据展示其应用。
- 阅读关注点
- 应核对局部平稳模型、依赖度量与估计步骤、时间和尺度分辨率的取舍，以及应用中信号关联的解释依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性条件、推断方法和数值精度未说明，估计的神经信号依赖不能直接证明功能因果作用。
原文摘要
Large volumes of neuroscience data comprise multiple, nonstationary electrophysiological or neuroimaging time series recorded from different brain regions. Accurately estimating the dependence between such neural time series is critical, since changes in the dependence structure are presumed to reflect functional interactions between neuronal populations. We propose a new dependence measure, derived from a bivariate locally stationary wavelet time series model. Since wavelets are localized in both time and scale, this approach leads to a natural, local and multi-scale estimate of nonstationary dependence. Our methodology is illustrated by application to a simulated example, and to electrophysiological data relating to interactions between the rat hippocampus and prefrontal cortex during working memory and decision making.