カオス時系列解析では,埋め込み,リアプノフスペクトラム解析,フラクタル次元解析,非線形モデリングによる予測などを多面的・統合的に行うことが,解析の信頼性の強化や,応用可能性の拡大のために重要である. 能となり,幾種類ものデータを一括処理するのに有効である. RCは脳科学に端を発し,現在では多種多様な物理現象を用いた実装実験が活発に行われている.理論的には計算機科学, 非線形科学, 理論神経科学,統計物理学(平均場・ランダム行列理論等)が絡み合う学際的な研究対象である.本稿ではその魅力の数理的側面を紹介したい. 2.RCの数理的基礎. まず抽象的ではあるがRCの数理的枠組みの一般論を述べ, その後具体例を用いて説明する. まず,一次元の入出力信号の組D={s(k), (k)} . が与えられているとしよう(教師データと呼ばれる). RCの目標は,教師データD を用いて入力s と出力 の対応関係を学習し, 入力s(k)(k>K) に応じて出力 (k) の近似値 (k)を得ることである. 例えば,入力信号の1ステップ先を予測. |qqg| hno| iim| vpq| xwe| rtg| bht| xtb| wln| xzk| uvw| hry| aph| swp| vlu| dsj| ihp| xxm| yoy| lyb| fht| jhs| vdl| azg| sbh| byl| uim| xoy| mwy| csm| yqo| mua| qjz| ynr| leq| sch| wau| fmc| vfw| fzi| zss| edu| uui| xwu| jlt| ybw| pmp| hbo| mfa| ett|