Fractal analysis of nonlinear systems and the construction of its basis of predictive neural networks
- Authors: Antipov OI1, Neganov VA1
-
Affiliations:
- Issue: Vol 13, No 3 (2010)
- Pages: 54-63
- Section: Articles
- URL: https://journals.ssau.ru/pwp/article/view/53424
- ID: 53424
Cite item
Full Text
Abstract
The algorithm pre-fractal analysis of chaotic time series for the construction of predictive neural networks (PNN), based on the method developed to identify the time lag. The algorithm was applied to the temporal samples from different areas of science and technology: economics, medicine and electronics. The method is based on fractal analysis of one-dimensional output signal coming from the generating system provided in the form of black box. Sequence analysis of the following: definition of the time lag of a number and its phase shift forming a time series, the restoration by the method of delays attractor in the space and the calculation using the method of Grassberger - Procaccia its maximum embedding dimension and the correlation fractal dimension Made in the reconstruction of the attractor space by the method of Takens. Next crating PNN: selects its structure and principle of implementation. Education networks held by the gradient method Levenberg - Marquardt. The results of predictions obtained from a network built on the basis of multilayer perceptron with one hidden layer.
References
- Малинецкий Г.Г., Потапов А.Б., Подлазов А.В. Нелинейная динамика: подходы, результаты, надежды. 2-е. изд. М.: КомКнига, 2009. 280 с.
- Анищенко В.С. Сложные колебания в простых системах: механизмы возникновения, структура и свойства динамического хаоса в радиотехнических системах. М.: Наука, 1990. 312 с.
- Мусалимов В.М., Резников С.С., Чан Нгок Чау. Специальные разделы высшей математики. СПб.: СПбГУ ИТМО, 2006. 80 с.
- Кузнецов С.П. Динамический хаос. М.: Издательство физико-математической литературы, 2001. 296 с.
- Шредер М. Фракталы, хаос, степенные законы. Миниатюры из бесконечного рая. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. 528 с.
- Антипов О.И., Неганов В.А., Потапов А.А. Детерминированный хаос и фракталы в дискретно-нелинейных системах. М.: Радиотехника, 2009. 235 с.
- Takens F. Detecting strange attractors in turbulence // Dynamical Systems and Turbulence. Lecture Notes in Mathematics. 1981. V. 898. P. 366-381.
- Головко В., Чумерин Ю. Нейросетевые методы определения спектра Ляпунова хаотических процессов // Нейрокомпьютеры: разработка и применение. 2004. № 1.
- Головко В.А., Савицкий Ю.В. Нейросетевые методы определения спектра Ляпунова // Компьютинг. 2002. № 1. С. 80-86.
- Головко В.A., Чумерин Н.Ю., Савицкий Ю.В. Нейросетевой метод оценки спектра Ляпунова по наблюдаемым реализациям // Вестник Брестского государственного технического университета. 2002. № 4. С. 66-70.
- Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: ТВП, 1997. 236 с.
- Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. 2-е изд., стереотип. М.: Горячая линия - Телеком, 2002. 382 с.
- Осовский С. Нейронные сети для обработки информации / пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.
- Нейронные сети. STATISTICA Newral Networks: методология и технологии современного анализа данных / под ред. В.П. Боровикова. 2-е изд., перераб. и доп. М.: Горячая линия - Телеком, 2008. 392 с.
- Головко В.А. Нейросетевые методы обработки хаотических процессов // VII Всероссийская научно-техническая конференция «Нейроинформатика 2005»: лекции по нейроинформатике. М.: МИФИ, 2005. С. 43-91
- Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применение в экономике и бизнесе: учебное пособие. М.: МИФИ, 1998. 224 с.
Supplementary files
