预测 H\'enon 图后续步骤的比较分析
机器学习
2024-05-24 v2 混沌动力学
摘要
本文探讨了使用 various machine learning 技术对 H\'enon 图后续步骤的预测问题。H\'enon 图以其混沌行为而著名,在密码学、图像加密和模式识别等多个领域都有应用。机器学习方法,尤其是深度学习,正日益成为理解和预测混沌现象的重要工具。本研究评估了不同机器学习模型 (包括 Random Forest、循环神经网络(RNN)、长短期记忆(LSTM)网络、支持向量机(SVM)和前馈神经网络(FNN)) 在预测 H\'enon 图演化中的性能。结果表明,LSTM 网络在预测混沌系统后续步骤方面表现出优越的预测精度,尤其在极端事件预测方面。此外,与 FNN 模型的比较揭示了 LSTM 在更长的预测时程和更大数据集上的优势。该研究强调了机器学习在阐明混沌动力学方面的重要性,并突显了模型选择和数据集大小在预测混沌系统后续步骤方面的关键作用。
引用
@article{arxiv.2405.10190,
title = {Comparative Analysis of Predicting Subsequent Steps in H\'enon Map},
author = {Vismaya V S and Alok Hareendran and Bharath V Nair and Sishu Shankar Muni and Martin Lellep},
journal= {arXiv preprint arXiv:2405.10190},
year = {2024}
}
备注
19 pages, 9 figures