Detection of chaotic behavior in time series

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19630%2F20%3AA0000053" target="_blank" >RIV/47813059:19630/20:A0000053 - isvavai.cz</a>

Výsledek na webu

<a href="http://proceedings.physics.cz/images/proc21/pan.pdf" target="_blank" >http://proceedings.physics.cz/images/proc21/pan.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Detection of chaotic behavior in time series

Popis výsledku v původním jazyce

Deterministic chaos is phenomenon from nonlinear dynamics and it belongs togreatest advances of twentieth-century science. Chaotic behavior appears apart ofmathematical equations also in wide range in observable nature, so as in there orig-inating time series. Chaos in time series resembles stochastic behavior, but apart ofrandomness it is totally deterministic and therefore chaotic data can provide us use-ful information. Therefore it is essential to have methods, which are able to detectchaos in time series, moreover to distinguish chaotic data from stochastic one. Herewe present and discuss the performance of standard and machine learning methodsfor chaos detection and its implementation on two well known simple chaotic dis-crete dynamical systems - Logistic map and Tent map, which fit to the most of thedefinitions of chaos.

Název v anglickém jazyce

Detection of chaotic behavior in time series

Popis výsledku anglicky

Deterministic chaos is phenomenon from nonlinear dynamics and it belongs togreatest advances of twentieth-century science. Chaotic behavior appears apart ofmathematical equations also in wide range in observable nature, so as in there orig-inating time series. Chaos in time series resembles stochastic behavior, but apart ofrandomness it is totally deterministic and therefore chaotic data can provide us use-ful information. Therefore it is essential to have methods, which are able to detectchaos in time series, moreover to distinguish chaotic data from stochastic one. Herewe present and discuss the performance of standard and machine learning methodsfor chaos detection and its implementation on two well known simple chaotic dis-crete dynamical systems - Logistic map and Tent map, which fit to the most of thedefinitions of chaos.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10308 - Astronomy (including astrophysics,space science)

Projekt

<a href="/cs/project/EF19_073%2F0016951" target="_blank" >EF19_073/0016951: Zvýšení kvality interního grantového schématu Slezské univerzity v Opavě</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of RAGtime 22: Workshops on black holes and neutron stars

ISBN

9788075104328

ISSN

2336-5676

e-ISSN

—

Počet stran výsledku

11

Strana od-do

221-231

Název nakladatele

Slezská univerzita v Opavě, Fyzikální ústav v Opavě

Místo vydání

Opava

Místo konání akce

Opava

Datum konání akce

19. 10. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—