Efficient Computation of Multiscale Entropy over Short Biomedical Time Series Based on Linear State-Space Models

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: El enfoque más común para evaluar la complejidad dinámica de una serie temporal en múltiples escalas temporales hace uso de las medidas de entropía multiescala (MSE) y de entropía multiescala refinada (RMSE). A pesar de su popularidad, MSE y RMSE carecen de un marco analítico que permita su cálculo para procesos dinámicos conocidos y no pueden ser calculados de manera confiable en series temporales cortas. Para superar estas limitaciones, proponemos un método para evaluar RMSE para procesos estocásticos autorregresivos (AR). El método utiliza modelos lineales de espacio de estados (SS) para proporcionar la representación paramétrica multiescala de un proceso AR observado en diferentes escalas temporales y explota los parámetros de SS para cuantificar analíticamente la complejidad del proceso. La medida resultante de entropía lineal (LMSE) se prueba primero en simulaciones, tanto teóricamente para relacionar la complejidad multiescala de los procesos AR con sus propiedades dinámicas y sobre realizaciones
Citación recomendada (normas APA)
: Hindawi, "Efficient Computation of Multiscale Entropy over Short Biomedical Time Series Based on Linear State-Space Models", -:Revista VirtualPRO,, 2017. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3843814/), el día 2025-06-03.

Información adicional