Matlab中的NNGC-SLIMMBA代码-用于非线性Granger因果分析的神经网络方法

简介：
这段简介可以描述为：Matlab中的NNGC-SLIMMBA代码提供了一种基于神经网络的方法，专门针对非线性Granger因果关系进行高效和准确的分析。 这段文字简洁地介绍了工具的功能与应用场景。 若要更详细一些： NNGC-SLIMMBA是为在Matlab环境下执行复杂时间序列数据中的非线性Granger因果关系分析而设计的一种先进代码库，它利用神经网络技术 格兰杰因果matlab代码用于时间序列中的Granger因果推理，在睡眠研究中识别代谢标志物（分子指纹）。该存储库包含在SLIMMBA项目中实现的代码，该项目通过呼吸分析监测睡眠与光诱导代谢的关系。 我们利用格兰杰因果关系的概念来探究新陈代谢和睡眠之间的依赖性，并开发了一种基于神经网络及自举法的技术以推断非线性的Granger因果关系。具体而言，我们的研究问题可以这样表述：假设从不同实验单位（例如单个个体）获取了N份多元时间序列数据副本。这些时间序列包括分类值目标变量Y，表示T个时间段内的睡眠阶段；以及M个连续值的离子强度时间序列Xj (j=1,...,M)。 我们的研究目的在于识别与特定睡眠阶段相关的代谢产物：即那些驱动睡眠变化或由不同睡眠阶段所影响的代谢物质。这项工作的重要贡献者包括Ričards Marcinkevičs和Đorđe Miladinović。 人类对睡眠与新陈代谢之间关系的理解尚不完整，我们试图通过Granger因果框架来分析睡眠阶段与呼气质谱数据之间的联系，并使用可扩展神经网络方法推断连续值变量和分类变量间的非线性Granger因果效应。