SCAU: Modeling spectral causality for multivariate time series with applications to electroencephalograms
SCAU：多元时间序列谱因果建模及脑电图应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：题名和摘要明确研究多元时间序列及频率特定 VAR，方法上直接对应时间序列；应用是脑电信号，未研究宏观冲击。
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…
SCAU：多元时间序列谱因果建模及脑电图应用
- 研究问题
- 如何刻画脑电信号频带内部及频带之间的调制依赖，并比较谱因果模型与常规 VAR 在不同任务下得到的连接网络？
- 方法与思路
- 作者提出 SCAU 线性模型，依次进行频率分箱、谱带映射及频率特定 VAR 依赖建模，应用于二十六名参与者的脑电任务数据。
- 材料陈述的贡献
- 摘要称所提模型能反映其他方法难以识别的频率调制，所得网络在两类刺激间对比清晰，连接强度方差较低，并提供方向性证据。
- 阅读关注点
- 应核对谱因果的定义、频带映射与 VAR 设定，以及任务比较和连接不确定性的计算；重点检查方向性结果允许怎样的因果解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明完整识别假设或比较指标，时间序列方向性不能直接视为干预因果效应。
原文摘要
Electroencephalograms (EEG) are noninvasive measurement signals of electrical neuronal activity in the brain. One of the current major statistical challenges is formally measuring functional dependency between those complex signals. This paper, proposes the spectral causality model (SCAU), a robust linear model, under a causality paradigm, to reflect inter- and intra-frequency modulation effects that cannot be identifiable using other methods. SCAU inference is conducted with three main steps: (a) signal decomposition into frequency bins, (b) intermediate spectral band mapping, and (c) dependency modeling through frequency-specific autoregressive models (VAR). We apply SCAU to study complex dependencies during visual and lexical fluency tasks (word generation and visual fixation) in 26 participants' EEGs. We compared the connectivity networks estimated using SCAU with respect to a VAR model. SCAU networks show a clear contrast for both stimuli while the magnitude links also denoted a low variance in comparison with the VAR networks. Furthermore, SCAU dependency connections not only were consistent with findings in the neuroscience literature, but it also provided further evidence on the directionality of the spatio-spectral dependencies such as the delta-originated and theta-induced links in the fronto-temporal brain network.