Энтропия, которая измеряет порядок: IH-анализ находит закономерности в разнотипных данных

[michael108]

Интересно, можно ли применить ваши методы к такой ситуации. Я хочу построить математическую модель системы акупунктурных каналов. В качестве исходных сигналов я использую колебания уровня ИК излучения в акупунктурных точках сооответствующих каналов. При этом меня интересует динамика состояния каналов, взаимосвязи между ними и диагностика состояния каналов, например, “лучше-хуже”. В качестве тестовой ситуации я могу использовать различие между спокойным и активированным состоянием канала. Я умею активировать каналы, но активированное состояние – это не “больное”, просто интенсификация некоторых физиииологических процессов в канале. \

Можно ли на основании получаемых экспериментальны данных построить модель системы каналов, используя ваши методы?

[algol78]

Михаил здравствуйте. Вы описываете ровно ту ситуацию, для которой IH-анализ и создавался: сложная система (акупунктурные каналы), нет надёжной теории, предсказывающей их поведение, но есть экспериментальные данные — колебания ИК-излучения в точках каналов. В таких условиях на первый план выступают методы, которые извлекают закономерности прямо из данных, не требуя априорной модели. IH-анализ — один из них. Теперь по сути вашей задачи, как ее смог разглядеть в вашем комментарии . У вас есть сигналы (уровни ИК-излучения в точках) и состояния каналов («спокоен»/«активирован»). Вы хотите понять три вещи: динамику (как состояние меняется во времени), взаимосвязи (какие каналы влияют друг на друга) и диагностику (можно ли по одним каналам определить состояние другого). В терминах IH-анализа это выглядит так: Условие (причина) (X): сигналы с одного или нескольких каналов, возможно — с предыдущего момента времени. Результат (следствие) (Y): состояние целевого канала («спокоен»/«активирован») сейчас или в следующий момент. IH-анализ вычисляет меру R(Y|X) — насколько точно сигналы X предсказывают состояние Y. Если R близко к 1 — связь близка к функциональной, и можно строить правила. Если R низкое — связь слабая или её нет. Что это даёт в вашей задаче: Какие каналы связаны. Вычисляем R(Y|X) для каждого канала в роли Y и сигналов с других каналов в роли X. Каналы с высоким R — кандидаты на взаимосвязь. Синергия каналов. Перебираем комбинации: может оказаться, что сигнал с одного канала слабо предсказывает состояние другого, а сигналы с двух-трёх каналов вместе — сильно. Это и есть та самая «сеть взаимосвязей». Диагностические правила. Если связь устойчива, IH-анализ выдаст правило вида: «Если ИК-излучение в точке A в диапазоне X И в точке B в диапазоне Y, то канал C с высокой вероятностью активирован». Это и есть математическая модель для диагностики — прозрачная, проверяемая, основанная на данных. Что важно: IH-анализ — статистический метод. Он найдёт связь, если она устойчиво проявляется в ваших данных. Он не строит теорию каналов и не объясняет физиологический механизм. Но он даёт то, что вы ищете: количественную, измеримую модель, извлечённую прямо из эксперимента. Ваш опыт (как я увидел в ваших статьях) с Teensy и АЦП — это именно то, что нужно для IH-анализа. Вы умеете снимать сигналы. IH-анализ умеет превращать их в правила. Вместо того чтобы гадать, какой канал на какой влияет, вы получите количественную меру связи R(Y|X) и правила вида «если сигнал в точке A в диапазоне X, а в точке B — в диапазоне Y, то канал C с высокой вероятностью активирован». Это та же логика, что и в вашем хэндшейке между Teensy, только применённая к биосигналам. Если у вас есть оцифрованные данные — я готов применить IH-анализ к вашему фрагменту и показать, что он видит. Контакты — в профиле.