路易斯·巴卡拉。；Koichi Sameshima 部分定向连贯：20年的历史和评价。 （英语） 兹比尔1471.92009 生物、网络。 115，第3期，195-204（2021）. 小结：在这里，我们回顾如何部分定向相干提出了它的动机和演化，我们借此机会将它与它的一些相关量及其后代联系起来。重点是我们发展渐近标准，使其成为一种可靠的研究工具，其中连接检测问题完全解决，而不是我们所称的特征化问题。最后，我们仔细思考一下我们心愿单上的一些要点。 引用于1文件 MSC公司： 92秒20 生物研究、人工生命和相关主题中的神经网络 关键词：部分定向相干；格兰杰因果关系；连通性 软件：TETRAD公司 PDF格式BibTeX公司 XML格式引用 \textit{L.A.Baccalá}和\textit{K.Sameshima}，Biol。赛博。115，编号3195-204（2021；兹bl 1471.92009） 全文： 内政部 参考文献： [1] 阿马拉，SR；巴卡拉，洛杉矶；巴博萨，LS；Caticha，N.，皮层偶极源的反向重整化群推断和神经连接效能，《物理学评论》E，95（2017）·doi:10.1103/PhysRevE.95.062415 [2] 阿斯托尔菲，L。；辛科蒂，F。；马蒂亚·D·。；De Vico，Fallani F。；托奇，A。；科罗西莫，A。；萨利纳里，S。；Marciani，MG公司；黑塞·W·。；Witte，H。；乌西诺，M。；扎瓦利亚，M。；Babiloni，F.，《用自适应多元估计器跟踪时变皮层连接模式》，IEEE T Bio-Med Eng，55，902-913（2008）·doi:10.1109/TBME.2007.905419 [3] BaccaláLA（2001）关于多元自回归模型中部分相干的有效计算。发表于：世界系统学、控制论和信息学多会议论文集。第6卷，第10-14页 [4] 巴卡拉，洛杉矶；Sameshima，K.，克服对许多同时处理的神经结构进行相关分析的局限性，Prog Brain Res Adv neural Popul Coding，130，33-47（2001）·doi:10.1016/S0079-6123（01）30004-3 [5] 巴卡拉，洛杉矶；Sameshima，K.，《部分定向相干：神经结构决定中的一个新概念》，Biol Cybern，84，463-474（2001）·Zbl 1160.92306号 ·doi:10.1007/PL00007990 [6] BaccaláLA，Sameshima K（2014）因果关系和影响力：对不同神经连接概念的需求。收录：Ślezak D，Tan AH，Peters JF，Schwabe L（eds）Brain Informatics and Health，Springer International Publishing，Cham，pp 424-435，doi:10.1007/978-319-09891-3_39 [7] BaccaláLA，Sameshima K（2015）关于神经连通性估计问题。2015年第37届医学和生物学会IEEE工程国际年会，第5400-5403页，doi:10.1109/EMBC.2015.7319612 [8] BaccaláLA、Sameshima K、Ballester G、Valle AC、Timo-Iaria C（1998）通过定向一致性和Granger因果关系研究大脑结构之间的相互作用。应用的Sig过程5:40-48，http://www.lcs.poli.usp.br/巴卡拉/pdc/papers/asp.pdf [9] BaccaláLA，Takahashi DY，Sameshima K（2007）广义部分定向相干。In:第15届数字信号处理国际会议，pp 163-166，doi:10.1109/ICDSP.2007.4288544 [10] 巴卡拉，洛杉矶；德布里托，CSN；高桥，DY；Sameshima，K.，所有部分定向相干形式的统一渐近理论，Philos T Roy Soc A，371，1997，1-13（2013）·Zbl 1353.62027号 ·doi:10.1098/rsta.2012.0158 [11] 巴卡拉，洛杉矶；高桥，DY；Sameshima，K.，定向传递函数：统一渐近理论及其启示，IEEE T Bio-Med Eng，632450-2460（2016）·doi:10.1109/TBME.016.2550199 [12] BaccaláLA，Takahashi DY，Sameshima K（2006）时间序列之间影响的计算机密集测试。收录人：Schelter B、Winterhalter M、Timmer J（eds）《时间序列分析手册》，Wiley-VCH、Weinheim，第16章，第411-436页，doi:10.1002/9783527609970.ch16·兹比尔1268.62105 [13] 巴雷特，AB；塞思，AK，《多元格兰杰因果关系和广义方差》，《物理学评论E》，81，1-14（2010）·doi:10.1103/PhysRevE.81.041907 [14] Burke，WL，《应用微分几何》（1985），剑桥：剑桥大学出版社，剑桥·Zbl 0572.53043号 ·doi:10.1017/CBO9781139171786 [15] Gersch，W.，《电生理信号分析中的因果关系或驱动》，《数学生物科学》，第14期，第177-196页（1972年）·doi:10.1016/0025-5564（72）90017-x [16] Geweke，JF，多时间序列之间线性相关性和反馈的测量，美国统计协会，77，304-313（1982）·Zbl 0492.62078号 ·doi:10.2307/2287238 [17] Geweke，JF，时间序列之间条件线性相关性和反馈的测量，美国国家统计协会，79907-915（1984）·Zbl 0553.62083号 ·doi:10.1080/01621459.1984.10477110 [18] 格拉泽，E。；Ruchkin，DS，《神经生物学信号分析原理》（1976），纽约：学术出版社，纽约 [19] Granger，CWJ，《用计量经济学模型和交叉谱方法研究因果关系》，《计量经济学》，第37期，第424-438页（1969年）·Zbl 1366.91115号 ·doi:10.2307/1912791 [20] 卡明斯基，M。；Blinowska，KJ，描述大脑结构信息流的新方法，Biol Cybern，65，203-210（1991）·Zbl 0734.92003号 ·doi:10.1007/BF00198091 [21] Korzeniewska，A。；Manzczak，M。；卡明斯基，M。；KJ，Blinowska；Kasicki，S.，用改进的定向传递函数（dDTF）方法确定大脑结构之间的信息流方向，神经科学方法杂志，125，195-207（2003）·doi:10.1016/S0165-0270（03）00052-9 [22] Lütkepohl，H.，《多时间序列分析导论》（1993），纽约：施普林格出版社，纽约·Zbl 0835.62075号 ·doi:10.1007/978-3-642-61695-2 [23] 马萨罗普，L。；Baccalá，LA，非线性连接检测的核方法，熵，21，610（2019）·doi:10.3390/e21060610 [24] Massaroppe L，BaccaláLA（2015）《核-非线性-PDC》将部分定向相干扩展到检测非线性因果耦合。2015年第37届医学和生物学会IEEE工程国际年会，第2864-2867页，doi:10.1109/EMBC.2015.7318989 [25] Massaroppe L，BaccaláLA，Sameshima K（2011）使用部分定向相干的非线性因果耦合的半参数检测。在：2011年IEEE工程在医学和生物学会年度国际会议，第5927-5930页，doi:10.1009/IEMBS2011.6091466 [26] 奥米德瓦尼亚，A。；阿泽米，G。；Boashash，B。；奥托尔，JM；科尔迪茨，PB；Vanhatalo，S.，《测量头皮脑电图信号中的时变信息流：正交部分定向相干》，IEEE T Bio-Med Eng，61680-693（2014）·doi:10.1109/TBME.2013.286394 [27] Pearl J（2000）《因果关系：模型、推理和推断》。剑桥大学出版社·Zbl 0959.68116号 [28] 普洛普，G。；奎里奥，C。；米歇尔，CM；Astolfi，L.，时变Granger因果模型的生理合理性：光谱功率的归一化和加权，NeuroImage，97206-216（2014）·doi:10.1016/j.neuroimage.2014.04.016 [29] 拉斐尔迪尼，B。；ASW Teruya；da Silva Leite Dias，P。；马萨罗普，L。；Takahashi，DY，平流层臭氧和准双年振荡（QBO）与热带对流层在季节内和年际时间尺度上的相互作用：常态视角，地球系统动力学，1283-101（2021）·doi:10.5194/esd-12-83-2021 [30] Saito，Y。；原岛，H。；山口，N。；Fujisawa，K.，《多通道脑电图记录中信息的追踪——脑电图中的因果分析》，《脑电图和肌电图数据处理的最新进展》，133-146（1981），阿姆斯特丹：爱思唯尔，阿姆斯特朗 [31] Sameshima，K。；Baccalá，LA，通过多变量时间序列分析进行大脑连接推断的方法（2014），博卡拉顿：CRC出版社，博卡拉顿 [32] Sameshima K、Takahashi DY、BaccaláLA（2014a）《渐进PDC特性》。摘自：Sameshima K，BaccaláLA（eds）Methods In Brain Connectivity Inference through Multi-variate Time Series Analysis，CRC Press，Boca Raton，chap 7，pp 113-131，doi:10.1201/b16550-14 [33] Sameshima K，Takahashi DY，BaccaláLA（2014b）关于频域连通性估计器的统计性能。收录：lezak D、Tan AH、Peters JF、Schwabe L（编辑）《脑信息学与健康》。Springer International Publishing，Cham，第412-423页。数字对象标识代码：10.1007/978-3-319-09891-338 [34] 谢尔特，B。；温特哈尔德，M。；艾希勒，M。；佩弗，M。；Hellwig，B。；Guschlbauer，B。；吕克，CH；Dahlhaus，R。；Timmer，J.，《使用部分定向相干测试神经信号之间的定向影响》，《神经科学方法杂志》，152210-219（2006）·doi:10.1016/j.jneumeth.2005.09.001 [35] 谢尔特，B。；Timmer，J。；Eichler，M.，《使用重整化部分定向相干评估神经信号间定向影响的强度》，《神经科学方法杂志》，179121-130（2009）·doi:10.1016/j.jneumeth.2009.01.006 [36] 施奈德，SM；Kwong，RH；伦茨，FA；Kwan，HC，使用系统识别技术检测中枢神经系统的反馈，Biol Cybern，60203-212（1989）·Zbl 0667.92004号 ·doi:10.1007/BF00207288 [37] Sims CA（1972）货币、收入和因果关系。美国经济评论62:540-552，http://www.jstor.org/stable/1806097 [38] Sommerlade L、Thiel M、Platt B、Plano A、Riedel G、Grebogi C、Mader W、Mader M、Timmer J、Schelter B（2014）连通性的时间变量估计和卡尔曼滤波器。摘自：Sameshima K，BaccaláLA（eds）《通过多元时间序列分析进行大脑连接推断的方法》，CRC出版社，博卡拉顿，第9章，doi:10.1201/b16550-17 [39] Spirtes P、Glymour C、Scheines R（2001）《因果、预测和搜索》，第二版。麻省理工学院出版社，马萨诸塞州剑桥·Zbl 0981.62001号 [40] Stallings，W.，《无线通信和网络》（2005年），《上鞍河：皮尔逊·普伦蒂斯霍尔》（Upper Saddle River） [41] Takahashi DY（2009）《Medidas de fluxo de informaçáo com aplicaço em neurociñncia》。圣保罗大学博士论文，doi:10.11606/T.95.2009.tde-07062011-115256 [42] 高桥，DY；巴卡拉，洛杉矶；Sameshima，K.，通过部分定向一致性进行神经结构之间的连通性推断，应用统计杂志，3411259-1273（2007）·Zbl 1516.62621号 ·doi:10.1080/0266476070150593065 [43] Takahashi DY、BaccaláLA、Sameshima K（2010）《频域连通性：信息论视角》。摘自：2010年国际医学和生物工程学会年会，第1726-1729页，doi:10.1109/IEMBS.2010.5626700·Zbl 1403.92046号 [44] Takahashi DY，BaccaláLA，Sameshima K（2014）信息部分定向连贯。摘自：Sameshima K，BaccaláLA（eds）《通过多变量时间序列分析进行大脑连接推断的方法》，CRC出版社，博卡拉顿，第5章，第75-86页，doi:10.1201/b16550-12 [45] 宾夕法尼亚州瓦尔德斯·索萨；Sánchez-Bornot，JM；Lage-Castellanos，A。；Vega-Hernández，M。；Bosch-Bayard，J。；梅莉·加西亚。；Canales-Rodríguez，E.，用稀疏多元自回归估计大脑功能连通性，Philos T Roy Soc B，360，969-981（2005）·doi:10.1098/rstb.2005.1654 [46] 宾夕法尼亚州瓦尔德斯·索萨；Roebroeck，A。；Daunizeau，J。；Friston，K.，《有效连接：影响、因果关系和生物物理建模》，《神经影像》，58339-361（2011）·doi:10.1016/j.neuroimage.2011.03.058 [47] Vieira G，Amaro E，BaccaláLA（2014）盲源分离的局部稀疏成分分析：静息状态fMRI的应用。摘自：2014年IEEE医学和生物学会工程第36届国际年会，第5611-5614页，doi:10.1109/EMBC.2014.6944899 [48] 维埃拉，G。；阿玛罗，E。；Baccalá，LA，用于静息状态网络估计的局部降维动态时空模型，Brain Inform，253-63（2015）·doi:10.1007/s40708-015-0011-5 [49] Wilson，GT，矩阵谱密度的因子分解，SIAM J Appl Math，23420-426（1972）·Zbl 0227.65042号 ·doi:10.137/0123044 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。