滞后性的随机模型

概率论的方法被用于构建一种新的滞后模型。结果显示，控制参数（例如磁场）的反转点是马尔可夫点，决定了过程的随机演化。当控制参数在两个连续反转点之间进行足够大的往复变动次数后，滞后环的分支会收敛到固定的极限曲线。这种收敛到极限曲线的过程清楚地解释了适应过程。适应的次小环显示出返回点记忆特性，而在非适应次小环中则明显不存在这种特性，这些次小环通常不一致且不闭合。与传统的 Preisach 模型不同，反转点灵敏度为非零的有限值。该随机模型在外部参数在两个足够小的值之间变化时，可很好地近似Rayleigh二次定律。