文献

J-GLOBAL ID：201802223272724651   整理番号：18A1687491

特異値分解に基づく新しい不可逆性測度と複雑性解析【JST・京大機械翻訳】

New irreversibility measure and complexity analysis based on singular value decomposition

著者 (2件)： Rong Lei (School of Science, Beijing Jiaotong University, Beijing, 100044, PR China) ,  Shang Pengjian (School of Science, Beijing Jiaotong University, Beijing, 100044, PR China)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 512  ページ： 913-924  発行年： 2018年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 可視性グラフアルゴリズムは,複雑な動的システムの可視化と解析のための強力なツールである。水平可視性グラフアルゴリズムに基づくKullback-Leibler発散(KLD)は,不可逆性解析の分野で広く注目されている。本論文では,多重スケール理論,すなわち特異値分解に基づくKLD(KLD-SVD)に基づく新しい不可逆性測度を提案した。さらに,マトリックス特異値が複雑なシステムの基本特性を反映することができるので,Shannonエントロピーが複雑性測度としてよく定義されたと考えた後に,特異値分解(SE-SVD)によってShannonエントロピーの定義をさらに提唱した。システムの複雑性を検出することにおけるこれらの2つの新しい対策の利点を示すために,いくつかのシミュレーションと現実のデータ実験は,それらの性能を調査するために選んだ。これらの結果を通して,各時系列に対応するKLD-SVDの平均および分散はKLDのそれよりも小さいことを見出した。さらに,KLD-SVDの揮発性はKLDより著しく弱かった。予測可能性と不可逆性の間に概念的なリンクがあるので,KLD-SVDアルゴリズムがより高い予測可能性とより低い混乱を意味すると主張することができる。一方,SE-SVDは,異なる時系列の内部複雑性を明らかにすることができる。一方,SE-SVDは雑音に対して効率的にロバストであると言うことは有用である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動的系 ,  *測度 ,  雑音 ,  可視度 ,  ロバスト性 ,  アルゴリズム ,  *不可逆性 ,  可視化 ,  予測可能性 ,  *特異値分解
準シソーラス用語： 情報エントロピー ,  *特異値 ,  マルチスケール ,  グラフアルゴリズム ,  *複雑性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特異値分解 ,  可視性アルゴリズム ,  Kullback-Leibler分布 ,  Shannonエントロピー

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 特異値分解 ,  不可逆性 ,  測度 ,  複雑性 ,  解析