Abstract: G. Yang, D. Xu, H. Zhang, S. Xia (2021)

Recurrence network (RN) is a powerful tool for the analysis of complex dynamical systems. It integrates complex network theory with the idea of recurrence of a trajectory, i.e. whether two state vectors are close neighbors in a phase space. However, the differences in proximity between connected state vectors are not considered in the RN construction. Here, we propose a weighted state vector recurrence network method which assigns weights to network links based on the proximity of the two connected state vectors. On the basis, we further propose a weighted data segment recurrence network that takes continuous data segments as nodes for the analysis of noisy time series. The feasibility of the proposed methods is illustrated based on the Lorenz system. Finally, an application to five types of EEG recordings is conducted to demonstrate the potentials of the proposed methods in the study of real-world data.

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.

Weighted recurrence network for characterizing continuous dynamical systems