PNAS（Neuroscience）· J. Samuel SooterAntonio J. FonteneleAndrea K. BarreiroCheng LyKeith B. HengenWoodrow L. ShewaDepartment of Physics, University of Arkansas, Fayetteville, AR 72701bhttps://ror.org/042tdr378Department of Mathematics, Southern Methodist University, Dallas, TX 75205chttps://ror.org/02nkdxk79Department of Mathematics and Applied Mathematics, Virginia Commonwealth University, Richmond, VA 23284dhttps://ror.org/01yc7t268Department of Biology, Washington University, St. Louis, MO 63130·· 1 天前AI 评分22
PNAS 研究提出基于单变量时间序列定义与测量临界性接近程度的方法
Defining and measuring proximity to criticality based on univariate time series
AI 导读
PNAS 刊发的研究提出一种仅凭单变量时间序列定义并测量系统接近临界性程度的方法。研究指出，许多复杂系统的认知来自对系统少数部分的时序测量，而这些动力学依赖大量细节属性。该工作探讨是否必须追踪每个细节才能理解这类系统。
AI 要点
团队
阿肯色大学物理系 J. Samuel Sooter、Woodrow L. Shew 等，联合南方卫理公会大学、弗吉尼亚联邦大学、华盛顿大学
主要结果
原文摘要未给出具体结果数值
解决什么问题
探讨能否仅凭系统单个或少数部分的一元时间序列测量，判断复杂系统距临界状态的远近
方法
基于一元时间序列定义并测量临界性邻近程度
局限
从研究设计看，为方法学论文，摘要未涉及具体数据验证
AI 依据原文整理，未经人工核对。
来源：PNAS（Neuroscience） · pnas.org