準確率超99%！新型計算方法可準確識別“混沌”

“混沌”并不總是對技術不利，事實上，如果能夠檢測和識別它，也許會發現一些有用的應用。

混沌及其混沌動力學在整個自然界以及人造設備和技術中都很普遍。盡管混沌通常被認為是不好的，是需要從系統中去除以確保正常運行的東西，但在一些情況下，混沌也有好的一面，甚至會有重要的應用。因此，人們對系統中混沌的檢測和分類越來越感興趣。

發表在EPJB上的一篇新論文由喀麥隆姜鎮大學物理系凝聚態物質、電子和信號處理研究室的Dagobert Wenkack Liedji和Jimmi Hervé Talla Mbé，以及Godpromesse Kenné撰寫的，他們提出使用單非線性節點延遲的儲備池計算來識別混沌動力學。

在論文中，作者表明該系統的分類能力穩健，準確率超過99%。在研究時間序列對該方法性能的影響時，他們發現當單非線性節點延遲型儲備池計算用于短時間序列時，取得了更高的準確性。

因此，使用基于Mackey-Glass（MG）延遲型儲備池計算系統對非混沌和混沌動態行為進行分類，作者表明該系統有能力作為一個高效和穩健的量化器對非混沌和混沌信號進行分類。

該團隊總結說，未來的研究將致力于深度儲備池計算系統，以探索其在更復雜的動力學分類中的表現。

該研究論文題為"Chaos recognition using a single nonlinear node delay-based reservoir computer"，已發表在EPJB期刊上。

前瞻經濟學人APP資訊組

論文原文：https://link.springer.com/article/10.1140/epjb/s10051-022-00280-6

標簽：