Výsledky vyhledávání
- 1.0585428 - ÚI 2025 RIV NL J - Článek v odborném periodiku
Arinyo i Prats, Andreu - López-Madrona, V. J. - Paluš, Milan
Lead/Lag directionality is not generally equivalent to causality in nonlinear systems: Comparison of phase slope index and conditional mutual information.
Neuroimage. Roč. 292, 15 April 2024 (2024), č. článku 120610. ISSN 1053-8119. E-ISSN 1095-9572
Grant CEP: GA ČR(CZ) GF21-14727K
Institucionální podpora: RVO:67985807
Klíčová slova: Coupling directionality * Cross-frequency coupling * Conditional mutual information * Phase slope index * EEG * Nonlinear systems
Impakt faktor: 5.7, rok: 2022
Způsob publikování: Open access
https://doi.org/10.1016/j.neuroimage.2024.120610
Trvalý link: https://hdl.handle.net/11104/0353138Název souboru Staženo Velikost Komentář Verze Přístup 0585428-oaf.pdf 0 1.5 MB OA CC BY 4.0 Vydavatelský postprint povolen - 2.0573671 - ÚI 2024 RIV SK eng C - Konferenční příspěvek (zahraniční konf.)
Bhattacharjee, Madhurima - Kathpalia, Aditi - Brunovský, M. - Paluš, Milan
Phase-based Causality Analysis of EEG in Treatment of Major Depressive Disorder.
2023 14th International Conference on Measurement. Proceedings. Bratislava: Institute of Measurement Science, SAS / IEEE, 2023 - (Dvurečenskij, A.; Maňka, J.; Švehlíková, J.; Witkovský, V.), s. 84-87. ISBN 979-8-3503-1218-8.
[MEASUREMENT 2023: International Conference on Measurement /14./. Smolenice (SK), 29.05.2023-31.05.2023]
Grant CEP: GA ČR(CZ) GF21-14727K
Institucionální podpora: RVO:67985807
Klíčová slova: Brain Connectivity * Phase-Based Causality * Eeg * Major Depressive Disorder * Mutual Information
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
https://dx.doi.org/10.23919/MEASUREMENT59122.2023.10164427
Trvalý link: https://hdl.handle.net/11104/0344053 - 3.0566845 - ÚFCH JH 2024 RIV NL eng J - Článek v odborném periodiku
Golub, Pavlo - Antalík, Andrej - Beran, Pavel - Brabec, Jiří
Mutual information prediction for strongly correlated systems.
Chemical Physics Letters. Roč. 813, FEB 2023 (2023), č. článku 140297. ISSN 0009-2614. E-ISSN 1873-4448
Grant CEP: GA ČR(CZ) GJ19-13126Y
Institucionální podpora: RVO:61388955
Klíčová slova: DMRG * Quantum chemistry * Mutual information * Strong correlation * Machine learning
Obor OECD: Physical chemistry
Impakt faktor: 2.8, rok: 2022
Způsob publikování: Omezený přístup
Trvalý link: https://hdl.handle.net/11104/0338119Název souboru Staženo Velikost Komentář Verze Přístup 0566845.pdf 1 2.2 MB Vydavatelský postprint vyžádat - 4.0554542 - ÚMG 2022 RIV GB eng J - Článek v odborném periodiku
Čmelo, I. - Voršilák, Milan - Svozil, Daniel
Profiling and analysis of chemical compounds using pointwise mutual information.
Journal of Cheminformatics. Roč. 13, č. 1 (2021), č. článku 3. ISSN 1758-2946. E-ISSN 1758-2946
Grant CEP: GA MŠMT(CZ) LM2018130
Výzkumná infrastruktura: CZ-OPENSCREEN III - 90130
Institucionální podpora: RVO:68378050
Klíčová slova: Hashed fingerprint * Structural key * Information theory * Pointwise mutual information * Synthetic accessibility
Obor OECD: Biochemistry and molecular biology
Impakt faktor: 8.489, rok: 2021
Způsob publikování: Open access
https://jcheminf.biomedcentral.com/articles/10.1186/s13321-020-00483-y
Trvalý link: http://hdl.handle.net/11104/0329252 - 5.0545816 - ÚI 2022 CH eng J - Článek v odborném periodiku
Billings, Jacob - Thompson, G. J. - Pan, W.J. - Magnuson, M.E. - Medda, A. - Keilholz, S.
Disentangling Multispectral Functional Connectivity With Wavelets.
Frontiers in Neuroscience. Roč. 12 (2018), č. článku 812. E-ISSN 1662-453X
Klíčová slova: resting-state * human brain * fmri * networks * signal * mri * dynamics * cortex * decomposition * fluctuations * resting state * functional magnetic resonance imaging * functional connectivity * wavelet packet transform * mutual information * clustering
Impakt faktor: 3.648, rok: 2018
Trvalý link: http://hdl.handle.net/11104/0322461 - 6.0520385 - ÚI 2021 RIV US eng J - Článek v odborném periodiku
Kořenek, Jakub - Hlinka, Jaroslav
Causal network discovery by iterative conditioning: Comparison of algorithms.
Chaos. Roč. 30, č. 1 (2020), č. článku 013117. ISSN 1054-1500. E-ISSN 1089-7682
Grant CEP: GA MZd(CZ) NV15-29835A; GA MZd(CZ) NV15-33250A; GA MZd(CZ) NV17-28427A; GA ČR(CZ) GA19-16066S; GA ČR(CZ) GA19-11753S
Grant ostatní: GA MŠk(CZ) LO1611
Institucionální podpora: RVO:67985807
Klíčová slova: causality inference * complex networks * transfer entropy * conditional mutual information * Granger causality
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Impakt faktor: 3.642, rok: 2020
Způsob publikování: Omezený přístup
http://dx.doi.org/10.1063/1.5115267
Trvalý link: http://hdl.handle.net/11104/0305065 - 7.0511450 - ÚTIA 2020 RIV IT eng J - Článek v odborném periodiku
Uglickich, Evženie - Nagy, Ivan - Vlčková, D.
Comparing clusterings using combination of the kappa statistic and entropy-based measure.
Metron. Roč. 77, č. 3 (2019), s. 253-270. ISSN 0026-1424
Grant CEP: GA MŠMT(CZ) 8A17006
Institucionální podpora: RVO:67985556
Klíčová slova: Comparing clusterings * Clusters agreement * kappa max statistic * Normalized mutual information
Obor OECD: Statistics and probability
Způsob publikování: Omezený přístup
http://library.utia.cas.cz/separaty/2019/ZS/uglickich-0511450.pdf https://link.springer.com/article/10.1007%2Fs40300-019-00162-5
Trvalý link: http://hdl.handle.net/11104/0302474 - 8.0510483 - ÚTIA 2020 RIV CH eng C - Konferenční příspěvek (zahraniční konf.)
Haindl, Michal - Havlíček, Michal
Mutual Information-Based Texture Spectral Similarity Criterion.
Advances in Visual Computing : 14th International Symposium on Visual Computing (ISVC 2019). Cham: Springer, 2019 - (Bebis, G.; Boyle, R.; Parvin, B.; Koracin, D.), s. 302-314, č. článku 23. Lecture Notes in Computer Science, 11844. ISBN 978-3-030-33719-3. ISSN 0302-9743. E-ISSN 1611-3349.
[International Symposium on Visual Computing (ISVC 2019) /14./. Lake Tahoe (US), 07.10.2019-09.10.2019]
Grant CEP: GA ČR(CZ) GA19-12340S
Institucionální podpora: RVO:67985556
Klíčová slova: spectral similarity criterion * Bidirectional Texture Functions * texture * mutual information
Obor OECD: Automation and control systems
http://library.utia.cas.cz/separaty/2019/RO/haindl-0510483.pdf
Trvalý link: http://hdl.handle.net/11104/0302679 - 9.0509811 - ÚI 2020 RIV CZ eng L4 - Software
Jajcay, Nikola
pyCliTS.
Interní kód: pyCliTS ; 2019
Technické parametry: PyCliTS je pythonový balíček licencovaný pod MIT. Momentálně funguje pro verzi Pythonu 2.7. Pro optimální funkcionalitu se doporučují další balíčky, jejichž seznam je uveden v rámci README: https://github.com/jajcayn/pyclits/blob/master/README.rst
Ekonomické parametry: Balíček umožňuje: manipulaci s daty (časové a prostorové, interpolace, odečtení klimatologického cyklu = anomalizace, normalizace, filtrování, podvzorkování atd.) - výpočet vlnkové transformace [CCWT] - konstruování časoprostorových surogátních dat pomocí přístupu Monte-Carlo [Fourierova transformace, amplitudově upravená FT, iterativní amplituda upravená FT, autoregresivní model VAR (p), multiškálová metoda] - výpočet Singular Spectrum Analysis - výpočet vzájemných informací a podmíněných vzájemných informací [různé algoritmy] - konstruování empirického modelu z časoprostorových dat založených na myšlence LIM [lineární inverzní modelování].
Institucionální podpora: RVO:67985807
Klíčová slova: python * climate time series * CCWT * surrogates * mutual information * modelling * klimatické časové řady * CCWT * vzájemná informace * surogáty * modelování
Obor OECD: Meteorology and atmospheric sciences
https://github.com/jajcayn/pyclits
Trvalý link: http://hdl.handle.net/11104/0300430 - 10.0497540 - ÚTIA 2019 RIV JP eng C - Konferenční příspěvek (zahraniční konf.)
Kratochvíl, Václav - Jiroušek, Radim - Lee, T. R.
Efficient implementation of compositional models for data mining.
Proceedings of the 21st Czech-Japan Seminar od Data Analysis and Decision Making. Japan: Aoyama Gakuin University, Japan, 2018 - (Sung, S.; Vlach, M.), s. 80-87. ISBN 978-80-7464-932-5.
[The 21st Czech-Japan Seminar on Data Analysis and Decision Making. Kamakura (JP), 23.11.2018-26.11.2018]
Grant CEP: GA ČR(CZ) GA16-12010S
Grant ostatní: AV ČR(CZ) MOST-18-04
Program: Bilaterální spolupráce
Institucionální podpora: RVO:67985556
Klíčová slova: data mining * mutual information * compositional models * conditional independence * probability theory
Obor OECD: Automation and control systems
http://library.utia.cas.cz/separaty/2018/MTR/kratochvil-0497540.pdf
Trvalý link: http://hdl.handle.net/11104/0291220