利用深度学习预测拟周期强迫 Logistic 映射中的混沌吸引子
机器学习
2022-03-22 v1 混沌动力学
摘要
我们利用著名的深度学习框架长短期记忆网络（Long Short-Term Memory）预测拟周期强迫 Logistic 映射的两种不同混沌动力学。我们生成两个数据集，其中一个用于训练过程，另一个用于测试过程。预测值使用称为均方根误差的度量进行评估，并使用散点图可视化。长短期记忆网络模型的鲁棒性通过使用模型各层中的单元数进行评估。我们还对所考虑的系统进行多步预测。我们表明所考虑的长短期记忆网络模型在至多三步内预测混沌吸引子表现良好。
引用
@article{arxiv.2203.11151,
title = {Prediction of chaotic attractors in quasiperiodically forced logistic map using deep learning},
author = {J. Meiyazhagan and M. Senthilvelan},
journal= {arXiv preprint arXiv:2203.11151},
year = {2022}
}
备注
To appear in Springer Proceedings in Complexity