تخمین بعد محاط سریهای زمانی حاصل از سیستمهای آشوبی با بعد بالاتوسط شبکههای عصبی تأخیر زمانی توزیع یافته

در مواجهه با سیستم آشوبی که مدلسازی تحلیلی آن، به علت نامشخص بودن عوامل مؤثر و در دسترس نبودن معادلات دقیق ریاضی حاکم بر آن، بسیار دشوار می نمایاند استفاده از سری زمانی یک راه حل مؤثر می باشد. در واقع تأکید روی این هدف است کهچگونه می توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستمها میباشد، به ساختار فضای حالت با بعد محدود رسید. شمارش همسایههای کاذبFNN) یک روش مؤثر مرسوم انتخاب بعد محاط بوده ولی در مواجهه با سریهای زمانی آشوبی بعد بالا بطور مطلوب جوابگو نمی باشد. در این مقاله روشی برای تخمین پارامتر بعد محاط جهت بازسازی فضای حالت سریهای زمانی برگرفته از سیستمهای دینامیکی آشوبی با بعد بالا به کمک شبکههای عصبی تأخیر زمانی توزیع یافتهDTDNN) معرفی میشود. روش ارائه شده بر روی نگاشت تقریب زده شده از روی نگاشت مکی- گلاس که توانایی تولید سیستم آشوبیبعدی را دارد وهمچنین دادههایD1گرفته شده از موسسهFeSantaارزیابی میگردد. نتایج حاصل از کاربرد روش مطرح شده در مقایسه باروشFNN نشان از کارآیی خوب این روش برای تخمین بعدهای محاط بالا دارد.

Keywords:

عد محاط , شمارش نزدیکترین همسایه های کاذب , سری های زمانی آشوبی بعد بالا , شبکه های عصبی تاخیر زمانی توزیع یافته