准确率超99%！新型计算方法可准确识别“混沌”

“混沌”并不总是对技术不利，事实上，如果能够检测和识别它，也许会发现一些有用的应用。

混沌及其混沌动力学在整个自然界以及人造设备和技术中都很普遍。尽管混沌通常被认为是不好的，是需要从系统中去除以确保正常运行的东西，但在一些情况下，混沌也有好的一面，甚至会有重要的应用。因此，人们对系统中混沌的检测和分类越来越感兴趣。

发表在EPJB上的一篇新论文由喀麦隆姜镇大学物理系凝聚态物质、电子和信号处理研究室的Dagobert Wenkack Liedji和Jimmi Hervé Talla Mbé，以及Godpromesse Kenné撰写的，他们提出使用单非线性节点延迟的储备池计算来识别混沌动力学。

在论文中，作者表明该系统的分类能力稳健，准确率超过99%。在研究时间序列对该方法性能的影响时，他们发现当单非线性节点延迟型储备池计算用于短时间序列时，取得了更高的准确性。

因此，使用基于Mackey-Glass（MG）延迟型储备池计算系统对非混沌和混沌动态行为进行分类，作者表明该系统有能力作为一个高效和稳健的量化器对非混沌和混沌信号进行分类。

该团队总结说，未来的研究将致力于深度储备池计算系统，以探索其在更复杂的动力学分类中的表现。

该研究论文题为"Chaos recognition using a single nonlinear node delay-based reservoir computer"，已发表在EPJB期刊上。

前瞻经济学人APP资讯组

论文原文：https://link.springer.com/article/10.1140/epjb/s10051-022-00280-6