بازسازی فضای حالت سری های زمانی آشوبی با استفاده از یک روش هوشمند
Abstract(in Persian; no English abstract is available)
استفاده از سری های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه حل مؤثر در تحلیل این سیستم ها می باشد. در واقع تأکید روی این هدف است که چگونه می توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم ها می باشد، به ساختار فضای حالت با بُعد محدود رسید. بازسازی فضای حالت بر مبنای نظریه محاط بنا شده که کاربرد آن مستلزم تعیین مقدارهای مناسبی برای دو پارامتر زمان تأخیر (τ)1 و بُعد محاط (m)2 می باشد. در این مقاله روشی برای تخمین پارامتر بُعد محاط جهت بازسازی فضای حالت سری های زمانی برگرفته از سیستم های دینامیکی آشوبی به کمک شبکه های عصبی تأخیر زمانی (tdnn) معرفی می شود. این روش یک ایده نو در انتخاب بُعد محاط بوده و متفاوت از روش مرسوم شمارش همسایه های کاذب (fnn) می باشد. در انتها کیفیت عملکرد روش مطرح شده با روش fnn مقایسه شده است و نتایج این مقایسه نشان از کارآیی خوب این روش دارد.