Abstract: J. Nam, J. Kang (2021)

This study classified chaotic time series data, including smooth and nonsmooth problems in a dynamic system, using a convolutional neural network (CNN) and verified it through the Lyapunov exponent. For this, the classical nonlinear differential equation by the Lorenz model was used to analyze a smooth dynamic system. The vibro-impact model was used for the nonsmooth dynamic system. Recurrence is a fundamental property of a dynamic system, and a recurrence plot is a representative method to visualize the recurrence characteristics of reconstructed phase space. Therefore, this study calculated the Lyapunov exponent by parametric analysis and visualized the corresponding recurrence matrix to show the dynamic characteristics as an image. In addition, the dynamic characteristics were classified using the proposed CNN model. The proposed CNN model determined chaos with an accuracy of more than 92%.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Classification of chaotic signals of the recurrence matrix using a convolutional neural network and verification through the lyapunov exponent