観測ノイズに汚染されたカオス時系列に対する線形フィルタの影響
スポンサーリンク
概要
- 論文の詳細を見る
計測データのような外部ノイズに汚染されたカオス時系列は、ニューラルネットや動径基底関数ネットのような非線形予測モデルに線形自己回帰モデルを並列(図1)または直列(図2)に付加した予測モデルにより短期予測可能である。並列モデルは、一種のprojection pursuit regressionと考えられる。一方、直列モデルでは、線形確率過程から生成するランダムノイズを線形フィルタによって除去することが意図されているが、線形フィルタによって時系列から決定論的成分が失われることがある。この現象を検証することが本研究の目的である。 [figure] 図1並列予測モデル [figure] 図2直列予測モデル
- 社団法人電子情報通信学会の論文
- 1996-09-18
著者
関連論文
- 外部ノイズに汚染された時系列における複雑さの解析
- 4a-E-12 非線形予測による有色ノイズのスケーリング係数の推定
- 12p-G-10 ニューラルネットワークおよび非線形回帰による有色ノイズの予測
- カオス研究の最前線(14)カオスと時系列解析
- 大口径CZシリコン結晶成長時に長周期な温度変動によって形成される成長縞
- プラント状態変動の時系列解析および動径基底関数ネットワークによる時系列予測
- 正則化ネットワークの基底関数としての(1+cosh x)^-1を再現するハードウェア回路
- 観測ノイズに汚染されたカオス時系列に対する線形フィルタの影響
- 動径基底関数1/(1+cosh x)を表現するニューロ素子
- Bell-shaped hyper-BF networkによる複雑時系列の将来予測
- 動径基底関数ネットワークによるノイズに汚染されたカオス時系列の将来予測