KSG TE continued – Milo Torda, PhD

Rozšíril som KSG estimator TE na ľubovoľné nastavenia parametrov.

$\mathbf{T}_{Y\rightarrow X}^{(k,l)}(t)=\mathbf{I}(X_{t}:\mathbf{Y}_{t-u}^{l}\mid\mathbf{X}_{t-1}^{k})$

kde

$\mathbf{X}_{t-1}^{k}=({X}_{t-1},{X}_{t-1-\tau_{k}},{X}_{t-1-2\tau_{k}},...,,{X}_{t-1-(k-1)\tau_{k}})$

$\mathbf{Y}_{t-u}^{l}=({Y}_{t-u},{Y}_{t-u-\tau_{l}},{Y}_{t-u-2\tau_{l}},...,,{Y}_{t-u-(l-1)\tau_{l}})$

Testovanie môjho estimatora či robí to čo má a či mi to sedi s JIDT

Rendered by QuickLaTeX.com

Pozorovanie:
Je to strašne pomale (pri k=2, $\tau_{k}=1$ , l=2, $\tau_{l}=1$ , sample size N=645, 155 s). Pozeral som sa na dátovú štruktúru k-d tree, ale vraj pri vysoko rozmerných dátach nie je o mnoho rýchlejší ako brute force. Tak neviem či to má vôbec zmysel implementovať.

Použité dáta:
SFI-heartRate_breathVol_bloodOx3.txt

Zdrojaky:
TE.py