Adaptive Prediction of Transitions between Local Attractors of Lorenz's System

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F08%3A00143954" target="_blank" >RIV/68407700:21220/08:00143954 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Adaptive Prediction of Transitions between Local Attractors of Lorenz's System

Popis výsledku v původním jazyce

The paper demonstrates an adaptive prediction of trajectory transitions between local attractors of deterministic chaotic systems using low-dimensional dynamic quadratic neural unit with periodically forced neural inputs. The forthcoming transitions of higher dimensional chaotic systems are predicted by a low dimensional discrete dynamic neural unit implemented as a special adaptive forced oscillator. The real-time sample-by-sample evaluation of complex system behavior is based on monitoring of parameters of an adaptive model during its adaptation. The behavior of chaotic systems in the state-space is adaptively transformed to system behavior in an approximated parameter-space using special higher order nonlinear neural unit forced with periodical inputs. Added forcing inputs allow a low dimensional dynamic neural unit to better approximate higher dimensional behavior; the forcing neural inputs are configured upon analysis of frequency spectra of the evaluated time series.

Název v anglickém jazyce

Adaptive Prediction of Transitions between Local Attractors of Lorenz's System

Popis výsledku anglicky

The paper demonstrates an adaptive prediction of trajectory transitions between local attractors of deterministic chaotic systems using low-dimensional dynamic quadratic neural unit with periodically forced neural inputs. The forthcoming transitions of higher dimensional chaotic systems are predicted by a low dimensional discrete dynamic neural unit implemented as a special adaptive forced oscillator. The real-time sample-by-sample evaluation of complex system behavior is based on monitoring of parameters of an adaptive model during its adaptation. The behavior of chaotic systems in the state-space is adaptively transformed to system behavior in an approximated parameter-space using special higher order nonlinear neural unit forced with periodical inputs. Added forcing inputs allow a low dimensional dynamic neural unit to better approximate higher dimensional behavior; the forcing neural inputs are configured upon analysis of frequency spectra of the evaluated time series.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/2B06023" target="_blank" >2B06023: Vývoj metody stanovení toků energie a látek ve vybraných ekosystémech, návrh a ověření principů hodnocení hospodářských zásahů pro zajištění podmínek autoregulace a rozvoje biodiverzity</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

Název statě ve sborníku

Nové metody a postupy v oblasti přístrojové techniky, automatického řízení a informatiky

ISBN

978-80-01-04765-1

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

České vysoké učení technické v Praze

Místo vydání

Praha

Místo konání akce

želiv

Datum konání akce

1. 6. 2008

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—