Энтропия выборки (SampEn) - это модификация приблизительной энтропии (ApEn), используемая для оценки сложности сигналов физиологического временного ряда , диагностики болезненных состояний. [1] SampEn имеет два преимущества перед ApEn: независимость от длины данных и относительно беспроблемная реализация. Кроме того, есть небольшая вычислительная разница: в ApEn сравнение между вектором шаблона (см. Ниже) и остальными векторами также включает сравнение с самим собой. Это гарантирует, что вероятностиникогда не равны нулю. Следовательно, всегда можно логарифмировать вероятности. Поскольку шаблон сравнивает с самим собой более низкие значения ApEn, сигналы интерпретируются как более регулярные, чем они есть на самом деле. Эти самоподборки не включены в SampEn. Однако, поскольку SampEn напрямую использует корреляционные интегралы, это не реальная мера информации, а приближение. Основы и отличия ApEn, а также пошаговое руководство по его применению доступны по адресу. [2]
Также существует многомасштабная версия SampEn, предложенная Костой и другими. [3]
Определение [ править ]
Подобно приблизительной энтропии (ApEn), энтропия выборки ( SampEn ) является мерой сложности . [1] Но он не включает самоподобные шаблоны, как ApEn. Для данного вложения размерности , толерантности и числа точек данных , SampEn является отрицательным естественным логарифмом от вероятности , что если два множества одновременных точек данных длины есть расстояние , то два множество одновременных точек данных длины также имеет расстояние . И мы представляем это (или включая время выборки ).
Теперь предположим , что мы имеем временные ряды данных , установленные длины с постоянным интервалом времени . Мы определяем шаблонный вектор длины , так что функция расстояния (i ≠ j) должна быть расстоянием Чебышева (но это может быть любая функция расстояния, включая евклидово расстояние). Мы определяем образец энтропии как
Где
= количество векторных пар шаблонов, имеющих
= количество векторных пар шаблонов, имеющих
Из определения ясно, что всегда будет иметь значение меньше или равное . Следовательно, всегда будет либо нулевое, либо положительное значение. Меньшее значение также указывает на большее самоподобие в наборе данных или меньший шум.
Обычно мы принимаем значение быть и значение быть . Где std означает стандартное отклонение, которое следует принимать для очень большого набора данных. Например, значение r, равное 6 мс, подходит для выборочных расчетов энтропии интервалов частоты сердечных сокращений, поскольку это соответствует очень большой совокупности.
Multiscale SampEn [ править ]
Определение упоминалось выше является частным случаем мульти масштаба sampEn с , где называется параметром пропуска. В многомасштабном SampEn векторы шаблонов определяются с определенным интервалом между его элементами, заданным значением . И модифицированный вектор шаблона определяется как, а sampEn можно записать как И мы вычисляем и как раньше.
Реализация [ править ]
Пример энтропии может быть легко реализован на многих разных языках программирования. Ниже приведен векторизованный пример, написанный на Python.
импортировать numpy как npdef sampen ( L , m , r ): N = len ( L ) В = 0,0 А = 0,0 # Разделить временной ряд и сохранить все шаблоны длиной m xmi = np . array ([ L [ i : i + m ] для i в диапазоне ( N - m )]) xmj = np . array ([ L [ i : i + m ] для i в диапазоне ( N - m + 1 )]) # Сохраняем все совпадения за вычетом самосоответствия, вычисляем B B = np . sum ([ np . sum ( np . abs ( xmii - xmj ) . max ( axis = 1 ) <= r ) - 1 для xmii в xmi ]) # Аналогично для вычисления A т + = 1 хм = нп . array ([ L [ i : i + m ] для i в диапазоне ( N - m + 1 )]) А = np . sum ([ np . sum ( np . abs ( xmi - xm ) . max ( axis = 1 ) <= r ) - 1 для xmi в xm ]) # Return SampEn возврат - нп . журнал ( A / B )
Можно найти пример написания на других языках:
Ссылки [ править ]
- ^ а б Ричман, JS; Мурман, младший (2000). «Физиологический анализ временных рядов с использованием приблизительной энтропии и энтропии образца» . Американский журнал физиологии. Сердце и физиология кровообращения . 278 (6): H2039–49. DOI : 10.1152 / ajpheart.2000.278.6.H2039 . PMID 10843903 .
- ^ Дельгадо-Бонал, Альфонсо; Маршак, Александр (июнь 2019). «Приближенная энтропия и образец энтропии: подробное руководство» . Энтропия . 21 (6): 541. DOI : 10,3390 / e21060541 .
- ^ Коста, Мадалена; Гольдбергер, Ари; Пэн, Ч.-К. (2005). «Многомасштабный энтропийный анализ биологических сигналов». Physical Review E . 71 (2): 021906. DOI : 10,1103 / PhysRevE.71.021906 . PMID 15783351 .