Neural-net computing of dynamic parameters

Abstract

В работе рассматривается подход расчёта динамических характеристик существенно нелинейных динамических процессов. Часто для таких процессов математические модели или не определены или задаются недостаточно точно, но сами данные наблюдения динамики этих явлений могут быть доступны в виде временных рядов. Показан метод построения нейронной сети, которая может по данным наблюдения рассчитывать важные динамические характеристики, в том числе такие как старший показатель Ляпунова — мера наличия хаотических режимов поведения.

The paper considers an approach for calculating the dynamic characteristics of essentially nonlinear dynamic processes. Often for such processes, mathematical models are either not defined or are not specified exactly enough, but the observation data themselves on the dynamics of these phenomena may be available in the form of time series. A method for constructing a neural network is shown, which can, according to observation data, calculate important dynamic characteristics, including such as the senior Lyapunov indicator — a measure of the presence of chaotic behavior modes.