文献

J-GLOBAL ID：201702248020598660   整理番号：17A0216464

極度学習機械を使用する時系列データのみによるLyapunov特性指数での分岐図の再構成

Reconstructing bifurcation diagrams with Lyapunov exponents from only time-series data using an extreme learning machine

著者 (3件)： Itoh Yoshitaka (Department of Electrical and Electronic Engineering, Tokyo Denki University) ,  Tada Yuta (Department of Electrical and Electronic Engineering, Tokyo Denki University) ,  Adachi Masaharu (Department of Electrical and Electronic Engineering, Tokyo Denki University)
資料名： Nonlinear Theory and Its Applications, IEICE (Web)  (Nonlinear Theory and Its Applications, IEICE (Web))
巻： 8  号： 1  ページ： 2-14(J-STAGE)  発行年： 2017年 
JST資料番号： U0219A  ISSN： 2185-4106  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 時系列データのみを使用するカオス系に対するLyapunov特性指数を有する分岐図を再構成するための方法を記述した。分岐図の再構成は時系列予測の問題であり,パラメータが変化するとき時系列データの振動パターンを予測する。それゆえ,分岐図の再構成は,温度,圧力,および濃度のような可変な環境因子をもつ実世界の系に使用可能である。従来の方法では,再構成の制度は定性的にのみ評価可能であった。この論文では,再構成を定量的に評価できるように再構成された分岐図に対するLyapunov特性指数を評価した。また,再構成された分岐図の特性が従来のものと一致することを確認する数値実験の結果を提示した。(翻訳著者抄録)

シソーラス用語： *指数 ,  *無秩序系 ,  学習機械 ,  *再構成 ,  図形 ,  データ ,  実験
準シソーラス用語： *Lyapunov指数 ,  *カオス系 ,  極端学習機械 ,  時系列データ ,  数値実験 ,  分岐図

著者キーワード (4件)： Chaos ,  reconstruction of bifurcation diagram ,  time-series prediction ,  extreme learning machine

分類 (1件)： ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B)

引用文献 (17件)：

• [1] R. Tokunaga, S. Kajiwara, and S. Matsumoto, “Reconstructing bifurcation diagrams only from time-waveforms,” Physica D, vol. 79, pp. 348-360, 1994.
• [2] R.W. Preisendorfer and C.D. Mobley, “Principal component analysis in meteorology and oceanography,” ed, elsevier, 1988.
• [3] D.E. Rumelhart, G.E. Hinton, and R.J. Williams, “Learning representations by back-propagating errors,” Nature, 323(6088), pp. 533-536, 1986.
• [4] S. Ogawa, T. Ikeguchi, T. Matozaki, and K. Aihara, “Nonlinear modeling by radial basis function networks,” IEICE Trans. Fundamentals, vol. E79-A, no. 10, 1996.
• [5] E. Bagarinao, K. Pakdaman, T. Nomura, and S. Sato, “Reconstructing bifurcation diagrams from noisy time series using nonlinear autoregressive models,” Physical Review E, vol. 60, no. 1, 1999.

タイトルに関連する用語 (4件)： 極度学習機械 ,  時系列データ ,  分岐図 ,  再構成