JPH0793289A - カオスプロセッサー - Google Patents
カオスプロセッサーInfo
- Publication number
- JPH0793289A JPH0793289A JP21045093A JP21045093A JPH0793289A JP H0793289 A JPH0793289 A JP H0793289A JP 21045093 A JP21045093 A JP 21045093A JP 21045093 A JP21045093 A JP 21045093A JP H0793289 A JPH0793289 A JP H0793289A
- Authority
- JP
- Japan
- Prior art keywords
- distance
- state
- value
- correlation
- attractor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 23
- 230000000739 chaotic effect Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 6
- 238000005183 dynamical system Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 101100074792 Danio rerio lhx1a gene Proteins 0.000 description 1
- 241000255925 Diptera Species 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000012489 doughnuts Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
クターの状態等の相関次元を求める専用プロセッサーを
ハードウェアで具現し、アトラクターの相関次元を実時
間で求めることを目的とする。 【構成】 エンベディング次元値と時間遅延値に応じて
入力される状態値の選択手段と、選択された状態値
Xi ,Xj から2つの状態値間の距離Rijの算出手段
と、算出された距離Rijと貯蔵されている距離インデ
ックスとを比較し、距離インデックスと距離の条件に合
うと距離インデックスを増加させ、増加された距離イン
デックスdjを半径とする円の内部に存在する状態値の
数の和Ndjにより相関和を求める手段と、求められた
相関和から線形的に増加する部分の変曲点を選択する手
段と、変曲点を連結し連結された線分の勾配を求めて相
関次元を求める手段とから構成される。
Description
するもので、詳しくはストレンジーアトラクターの定量
的特徴を分析することにより、雑音により得られたもの
か又は意味ある情報により得られたものかを判断し得る
カオスプロセッサーに関するものである。
(例えば、水、空気、血液等の動き)を数学的に表現し
て動きの規則性を求め、その求められた規則性に基づい
て未来の動きの状態を予測しようとする研究が活発に進
行されている。このように時間に対して動く状態のシス
テムを動力学システムという。
が一点に収斂するとステーブルシステム(Stable
System)といい、この点を平衡点(Equil
ibrium Point)という。又、この動力学シ
ステムの安定状態解が閉曲線に収斂すると、この動力学
システムを周期システムと称し、ドーナツ形状を有する
と、これを半周期システム(Quasi−Period
ic System)という。そして、前述したものの
以外のアトラクター(Attractor)を有する動
力学システムをカアスシステム(Chaos Syst
em)という。
を求める過程を簡略に説明すると次のようである。一般
的に、n次動力学システムはn個の状態方程式を有し、
この状態方程式は下記の式のように時間の変化率に対し
動力学システム状態の変化率を表している。
・・・・xnは状態(State)を表す。前述した内
容を動力学システムの最も基礎である振子の動きを例に
挙げて説明すると、振子の動きは2次動力学システムな
ので次のような2個の状態方程式で表現することができ
る。
分類され、この安定状態解を総合的に表現するために各
々の状態変数を軸とする状態空間を導入する。即ち、各
々の安定状態解の値は状態空間上の一点で表現され、こ
の状態空間上の点等の集合を動力学システムのアトラク
ターという。
有限であれば(即ち、有限なn次動力学システム)この
動力学システムは4種の形態を有し、何のアトラクター
を有する動力学システムであるかに応じて、動力学シス
テムは4種に分類される。即ち、最も簡単な動力学シス
テムである安定な線形システムは状態空間で一点のアト
ラクターを有し、この点を平衡点という。又、安定状態
解が一定した周期解である動力学システムは状態空間で
1つの閉曲線形態のアトラクターを有し、この閉曲線を
リミットサイクルという。
モニック解を有する動力学システムはドーナツ形態のア
トラクターを有し、このドーナツ形態をトーラス(To
rus)という。前述した3種の形態のアトラクターを
有する動力学システム以外の動力学システムはストレン
ジーアトラクターを有し、このようにストレンジーアト
ラクターを有する動力学システムをカオスシステムとい
う。
点、ミリットサイクル、トーラス等のアトラクターを除
外したアトラクターを有する動力学システムを称する。
前述したように、自然系に存在する動きの状態を表す状
態方程式からアトラクターを構成し、自然系で存在する
動きを表すn次動力学システムでn個の状態方程式を全
て知っていれば、このようなアトラクターを容易に構成
し得る。
学システムでn個の状態変数だけでなく状態方程式を全
て知ることは不可能なので、一つの状態変数からn次動
力学システムのアトラクターを構成しようとする研究が
進行されてきた。即ち、与えられた一つの状態変数から
アトラクターの軌跡を求める。この求められたアトラク
ターを状態空間上で表現すると、一つの状態変数を表す
軸上の点だけで表現される。
ーを状態空間では構成し得ないのでエンベディング空間
(Embedding Space)を導入する。この
ように与えられた一つの状態変数からn次動力学システ
ムのアトラクターを構成することをアトラクターの再構
成といい、このアトラクターの再構成は、実験に依存す
る動力学システムの研究者等には大変重要な役割を果た
す。
る。この軌跡の時間を一定周期に分割し、この分割され
た時間の当該状態値を一つのベクトルg(t)で表し、
このベクトルg(t)は次の式を満足する。 g(t) = {y(t),y(t+τ)・・・y(t
+τ)} ここで、y(t)は状態値、τは一定周期で分割された
遅延時間、n+1はエンベディング次元(Embedd
ing Dimension)である。
ィング次元を固定させると、エンベディング空間上で一
点で表示され、このベクトルの遅延時間とエンベディン
グ次元を可変させると、このベクトルはエンベディング
空間上でどんな軌跡を描くことになる。このn次元エン
ベディング空間上のベクトルの軌跡は与えられた動力学
システムのアトラクターの軌跡と完全に同じ形態を有し
ないが、定性的な特徴面(アトラクターのパターン面)
で本来の動力学システムのアトラクターの軌跡と連関性
がある。
たアトラクターを分析して、入力された信号が雑音によ
り得られたものか又は意味ある情報により得られたもの
かを判断する必要がある。このような再構成されたアト
ラクターを分析するのには2種の方法がある。それらの
一つは再構成されたアトラクターの定性的な特徴を分析
する定性分析方法(Qualitative)であり、
他の一つは再構成されたアトラクターのパターンの程度
(例えば、アトラクターの傾いた程度等)を分析する定
量的な特徴を分析する定量分析方法(Quantati
ve)である。
リミットサイクル、トーラスのパターンを有している
と、定性的な分析方法だけでアトラクターの分析が可能
であるが、再構成によりストレンジーアトラクターが再
構成されると、この再構成されたアトラクターの定性的
な特徴の分析方法だけによっては雑音により構成された
ストレンジーであるか又は意味ある情報により構成され
たストレンジーであるかの判断が不可能であるため、ア
トラクターの定量的な特徴を分析してこのストレンジー
アトラクターを分析する。
アトラクターの定量的な特徴を分析する方法には、スト
レンジーの容量を求める方法と、情報次元を求める方法
と、相関次元を求める方法等がある。前記再構成された
ストレンジーアトラクターの容量を求める方法を以下に
説明する。
等のような直径(r)の体積要素で覆うと仮定し、この
アトラクターを完全に覆うために必要な体積要素の数を
N(r)であると仮定すると、N(r)=KrD とな
る。この際に、直径(r)を十分に小さくし、このN
(r)をDに関して解くと、このアトラクターの容量
(Dcap )は次の式を満足する。
述したような空間的な方法によるもので、与えられた動
力学システムの状態変化に従う情報を利用しない。即
ち、情報次元(Dr )は与えられた動力学システムの状
態変化に従う情報を利用して、再構成されたアトラクタ
ーの定量的な特徴を分析する方法で、次の式を利用す
る。
が入る確率を表し、I(r)は与えられた動力学システ
ムのエントロピーを表す。一方、再構成されたアトラク
ターの定量的な特徴を分析する方法のうち、最も便利な
方法は与えられたアトラクターの相関次元を求めること
で、アトラクターの相関次元を求める方法を説明すると
次のようである。
i)と他の状態(Xj)との間の距離(Rij)を半径
とする円の内部に存在する状態の数を求め、この求めら
れた数をアトラクターの状態値の総数(N)の自乗(N
2 )で割り、この総数(N)を無限大に接近させると、
次の式1を満足する一つの状態(Xi)の相関和を求め
ることが出来る。
/N2 {状態(Xi,Xj)の数、 ‖Xi−Xj‖<R}・・・・・・(1) 前記のように求められた相関和(C(R))から相関次
元(Dc )は次の式により求められる。
れた相関和(C(R))のグラフのうち、線形部分の勾
配を意味する。即ち、式1により求められた相関和(C
(R))のグラフが意味ある情報により構成されたアト
ラクターであると、どんな値に収斂する形態で図示され
るが、雑音により構成されたアトラクターであると、発
散する形態で図示される。
c )は式1により求められたグラフのうち、線形部分の
勾配で求められる。前述したように、再構成されたスト
レンジーアトラクターの定量的な特徴を分析する方法の
うち、相関次元を求める回路をカオスプロセッサーとい
う。
再構成されたアトラクターを分析する方法としては、ア
トラクターの各々の状態(X1 ,X2 ,・・・Xn )度
に相関和を求め、この相関和から相関次元が求められる
ため、計算量が膨大で、相関和を求めるために状態等の
総数の自乗(N2 =N(N−1)/2)の程の計算量が
必要であり、特に状態の総数が多ければ多いほど通常の
コンピューターではこの計算の実時間処理が不可能な問
題があった。
鑑みてなされたもので、アトラクターの状態等の相関次
元を求める専用プロセッサーをハードウェアで具現する
ことにより、アトラクターの相関次元が実時間で求めら
れるカオスプロセッサーを提供することにある。
め、本発明は、エンベディング次元値と時間遅延値に応
じて入力される状態値を選択する手段と、前記選択する
手段により選択された状態値(Xi ,Xj )から2つの
状態値間の距離(Rij)を算出する手段と、前記算出
された距離(Rij)に応じて既に貯蔵されている距離
インデックスに比較して、この距離インデックスと距離
の条件に合うとこの距離インデックスを増加させ、この
増加された距離インデックスを半径とする円の内部に存
在する状態の数の和を求めることにより、相関和を求め
る手段と、前記求められた相関和から線形的に増加する
部分の変曲点を選択する手段と、前記選択された変曲点
を連結し、この連結された線分の勾配を求めて相関次元
を求める手段とから構成されるカアスプロセッサーを提
供する。
いて詳細に説明する。本発明のカオスプロセッサーの第
1実施例は、図1に示すように、分析対象となるカオス
システムの状態値(Xi)を時間について順次スイッチ
ングして出力させるスイッチング部1と、前記スイッチ
ング部1から出力される状態値をエンベディング次元
(ED)と遅延時間(DL)について選択する状態値選
択部2と、前記状態値選択部2で選択された2つの状態
値(Xi),(Xj)から距離(Rij)を算出して出
力する距離計算部3と、前記距離計算部3から出力され
る距離(Rij)と既に貯蔵された距離インデックス
(di)とを比較して、与えられた距離条件に適合した
距離インデックスに当たる相関和(C(r))を出力す
る相関和計算部4と、前記相関和計算部4から出力され
る相関和(C(r))の適当な変曲点を判別する判別部
5と、前記判別部5から出力される変曲点を連結した線
分の勾配を算出して相関次元(Dc )を出力する勾配計
算部6と、入力されるクロック(CLK)、イネーブル
信号(EN)、エンベディング次元(ED)、遅延時間
(DL)により前記スイッチング部1、状態値選択部
2、距離計算部3、相関和計算部4、判別部5を制御す
る信号を出力する制御部7とから構成されている。
より構成されており、前記判別部5の他の入力側には、
外部で最適の変曲点を入力させる設定部8が連結されて
いる。このように構成された本発明の第1実施例である
カオスプロセッサーの作用を説明すると次のようであ
る。
遅延時間(DL)=τ=Δtである場合を例と挙げて説
明する。ストレンジーアトラクターを有するカオスシス
テムの状態がカオスプロセッサーに入力されると、この
入力された状態(X(n))は制御部7から出力される
制御信号に応じてスイッチング部1を通じて状態値選択
部2に印加される。
態値をX(to)とすると、この初期状態値(X(t
o))はスイッチング部1を通じて状態値選択部2に供
給され、遅延時間(τ)のたびに継続して入力される状
態値がスイッチング部1を通じて状態値選択部2に供給
される。即ち、前記状態の初期状態値(X(to))が
状態値選択部2に入力され、次いで、遅延時間(to+
Δt)の状態値(X(to+Δt))が入力され、この
入力された状態値(X(to),X(to+Δt))は
制御部7から出力される制御信号に応じて距離計算部3
に供給される。
(X(to),X(to+Δt))がそれぞれレジスタ
ーに所定時間貯蔵された後、図3に示すように、時間に
対した状態値として出力される。前述したように出力さ
れる状態値(X(to),X(to+Δt))は距離計
算部3を通じて2つの状態値(X(to),X(to+
Δt))の距離(R1)を計算し、この際に、エンベデ
ィング次元(ED)は1であり、遅延時間(τ)はΔt
であるので、距離(R1)は次のような演算により得ら
れる。
(to+Δt)〕2 の演算により算出される。このよう
に計算された距離(R1)は相関和計算部4に印加さ
れ、この相関和計算部4では入力される距離(R1)と
既に貯蔵されている距離インデックス(Di)とを比較
して、距離(R1)>距離インデックス(di)を満足
すると、距離インデックス(di)を一つずつ増加させ
る。
j)は次の式2を満足し、増加された距離インデックス
(dj)は図4に示すようである。 距離インデックス(dj)=di+1・・・・(2) 前記のような過程を遅延時間(Δt)で遂行し、前記ス
イッチング部1は次の遅延時間が2Δtである瞬間に入
力される状態値(X(to+2Δt))を選択部2に供
給し、この供給された状態値(X(to+2Δt))と
初期の状態値(X(to))は距離計算部3を通じてそ
の2つの状態値の距離(R2)を出力する。
部4を通じて、既に貯蔵された距離インデックス(d
i)に比較され、この比較された結果が次の条件を満足
すると、距離インデックス(dj)を増加させる。前記
のような過程を時間遅延により入力される全ての状態値
に対して反復遂行して、増加された距離インデックスを
直径とする円の内部に存在する状態の数(Ndj)が予
め決められた最終数(Dmax)に到達すると、入力さ
れる状態値はスイッチング部1を通じて状態値選択部2
に供給されない。
インデックス(dj)を直径とする円の内部に存在する
状態の数(Ndj)が最終数(Dmax)に到達する
と、前記制御部7から出力される制御信号はスイッチン
グ部1に供給され、この供給される制御信号によりスイ
ッチング部1が切換され、このスイッチング部1の切換
により状態値選択部2に入力される状態値の供給が遮断
される。
力される制御信号を受けて、入力される距離インデック
スを直径とする円の内部に存在する状態の数(Ndj)
を表すグラフのうち適当な変曲点を有する距離インデッ
クス(di),(dj)を選択する。この変曲点は、判
別部5で既に設定された距離インデックス(di),
(dj)を選択するか、使用者が設定部8を通じて外部
で設定することもできる。
を通じて距離インデックスが予め設定された場合は、任
意の距離インデックス(di),(dj)の内どの一つ
の距離インデックスを決め、この決められた距離インデ
ックスと他の任意のインデックスとを連結する線分との
最小距離を満足する距離インデックスを検索し、この距
離インデックスが検索されるとこの検索された距離イン
デックスを変曲点と決める過程が遂行されて適宜な変曲
点を決定し、設定部8を通じて距離インデックスを決定
する場合は、分析しようとする動力学システムで実験的
に予め求めた最適な変曲点を外部で決定する。
部6に供給され、前記勾配計算部6は距離インデックス
軸(d−axis)と、この距離インデックスを直径と
する円の内部に存在する状態値の数(Nd)軸とをX−
Y座標平面とするとき増加された状態値の数による勾配
を計算する。この際に計算された勾配は次の式3により
算出される。
元となり、このカオスプロセッサーの最終出力(Y
(n))である。前述したように、エンベディング次元
(ED)が1であり、遅延時間(DL)をΔtである仮
定の下で求められたカオスシステムの相関次元をポイン
トワイズ方法による相関次元という。
第2実施例で、図1の距離計算部3の出力側には入力さ
れる距離を定数値に変化させて相関和計算部4に供給す
る距離値変換部10が連結され、残りは図1と同じに構
成されている。即ち、前記距離計算部3から出力される
距離(R1,R2,・・・Rn)は浮動小数点値(Fl
oating Point)値を有し、この値の距離を
相関和計算部4に供給することにより、この浮動小数点
による計算量が増加し、この計算量の増加により演算速
度が遅延される。
1,R2,・・・Rn)は距離値変換部10を通じて定
数値に変化させて相関和計算部4に供給する。前記距離
変換部10は入力される距離(Ri)でログ函数(lo
g2 Rij)を取って定数値に変換させることが望まし
い。従って、前記相関和計算部4は定数値で入力される
距離(Ri)と距離インデックスとを比較し、当該距離
インデックスの内部に存在する状態値の数を増加させる
演算を高速で処理し得る。
配は次の式4により得られる。 勾配=(log(Ndj)−log(Ndi)/(dj−di))・・・・( 4) 図5は本発明によるカオスプロセッサーの第3実施例を
示すブロック構成図であって、これに示すように、入力
される状態値(N(n))を全て貯蔵するメモリ部11
により構成され、状態値選択部2、距離計算部3、相関
和計算部4、判別部5、勾配計算部6、制御部7、設定
部8は図1と同じ構成である。
り、遅延時間(DL=τ)がt+pであると仮定する
と、前記状態値出力部12では時間(t=to)のとき
にn次カオスシステムである場合、(n−1)pΔt時
間の間前記メモリ部11に貯蔵された状態値を出力させ
る。これを式で表すと、Xi=〔X(to),X(to
+pΔt),・・・X(to+(n−1)pΔt〕とな
り、又、時間(t=to+Δt)のときに状態値を表す
と、Yj=〔X(to+Δt),X(to+(p+1)
Δt),・・・X(to+npΔt〕である。
(Rij)は(Xj−Xi)2 で計算され、この計算さ
れた距離は図1で説明したように相関値計算部4、判別
部5、勾配計算部6、制御部7を通じてカオスシステム
の相関次元(Y(n))を得ることができ、この相関次
元をフル方法(full method)による相関次
元という。
ステムのストレンジーアトラクターの定量的な特徴を分
析するカオスカオスプロセッサーをハードウェアで構成
して実時間演算処理が可能である。又、距離値を変換さ
せて定数値でカオスプロセッサーで処理される時間を短
縮し得る。
を示すブロック構成図である。
を示すブロック構成図である。
状態値の例を示す時間−状態図である。
相関和を示す距離インデックス(Di ,Dj )−状態の
数(NDi ,NDj )図である。
を示すブロック構成図である。
Claims (7)
- 【請求項1】 エンベディング次元値と時間遅延値に応
じて入力される状態値を選択する状態値選択手段(2)
と、 前記状態値選択手段により選択された状態値(Xi ,X
j )から2つの状態値間の距離(Rij)を算出する距
離計算手段(3)と、 前記算出された距離(Rij)と、既に貯蔵されている
距離インデックスとを比較し、前記距離インデックスと
の距離の条件に合うと前記距離インデックスを増加さ
せ、増加された距離インデックス(dj)を半径とする
円の内部に存在する状態値の数の和(Ndj)を求める
ことにより、相関和を求める相関和計算手段(4)と、 前記求められた相関和から線形的に増加する部分の変曲
点を選択する手段と、 前記選択された変曲点を連結し、この連結された線分の
勾配を求めて相関次元を求める手段とから構成されるこ
とを特徴とするカアスプロセッサー。 - 【請求項2】 前記距離(Rij)を演算する距離計算
手段から出力される距離値を定数値に変換させる手段が
さらに含まれる請求項1記載のカオスプロセッサー。 - 【請求項3】 前記距離値でログを取って定数値に変換
させる請求項2記載のカオスプロセッサー。 - 【請求項4】 フル方法により相関次元を求めるために
入力される全ての状態値を貯蔵するメモリ手段がさらに
含まれる請求項1記載のカオスプロセッサー。 - 【請求項5】 前記変曲点を選択する手段は、前記相関
和を演算する相関和計算手段から出力される2つの距離
インデックス(di),(dj)のうち1つを決め、こ
の決められた距離インデックスと他の任意の決めた距離
インデックスとを連結する線分との最小距離を満足する
距離インデックスを検索し、この検索された距離インデ
ックスを変曲点として選択する請求項1記載のカオスプ
ロセッサー。 - 【請求項6】 定量的な特徴を分析しようとするカオス
システムに、実験的に予め求めた最適な変曲点を外部か
ら入力させる手段がさらに含まれる請求項1記載のカオ
スプロセッサー。 - 【請求項7】 前記状態値選択手段は、入力される状態
値を一時的に貯蔵して順次シフトさせるシフトレジスタ
ーにより構成される請求項1記載のカオスプロセッサ
ー。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019930011190A KR950013123B1 (ko) | 1993-06-18 | 1993-06-18 | 케이오스(chaos)프로세서 |
KR11190/1993 | 1993-06-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0793289A true JPH0793289A (ja) | 1995-04-07 |
JP3636371B2 JP3636371B2 (ja) | 2005-04-06 |
Family
ID=19357636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP21045093A Expired - Fee Related JP3636371B2 (ja) | 1993-06-18 | 1993-08-25 | カオスプロセッサー |
Country Status (7)
Country | Link |
---|---|
US (1) | US5506996A (ja) |
EP (1) | EP0629959B1 (ja) |
JP (1) | JP3636371B2 (ja) |
KR (1) | KR950013123B1 (ja) |
CN (1) | CN1045343C (ja) |
DE (1) | DE69328619T2 (ja) |
TW (1) | TW223197B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018181A (zh) * | 2012-12-14 | 2013-04-03 | 江苏大学 | 基于相关性分析和elm神经网络的软测量方法 |
JP2016202462A (ja) * | 2015-04-20 | 2016-12-08 | フクダ電子株式会社 | 生体信号処理装置およびその制御方法 |
CN110657882A (zh) * | 2019-09-23 | 2020-01-07 | 暨南大学 | 一种利用单测点响应的桥梁实时安全状态监测方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1057853C (zh) * | 1993-11-26 | 2000-10-25 | 株式会社日立制作所 | 无序性判断装置和方法及根据无序性判断结果的处理装置 |
DE19604803A1 (de) * | 1995-02-10 | 1996-10-10 | Meidensha Electric Mfg Co Ltd | Vorrichtung zur Systemzustandsüberwachung |
JP3785703B2 (ja) | 1996-10-31 | 2006-06-14 | 株式会社明電舎 | 時系列データの識別方法およびその識別装置 |
US5855592A (en) * | 1997-04-24 | 1999-01-05 | Ep Technologies, Inc. | Systems and methods for multi-site cardiac defibrillation using multiple electrode structures |
US20040078457A1 (en) * | 2002-10-21 | 2004-04-22 | Tindal Glen D. | System and method for managing network-device configurations |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IE48252B1 (en) * | 1978-01-13 | 1984-11-14 | Schlumberger Ltd | Apparatus and method for determining velocity of acoustic waves in earth formations |
US4367541A (en) * | 1978-01-13 | 1983-01-04 | Schlumberger Technology Corporation | Apparatus and method for determining velocity of acoustic waves in earth formations |
US4244026A (en) * | 1978-11-06 | 1981-01-06 | General Electric Company | Velocity measuring correlation sonar |
KR950013124B1 (ko) * | 1993-06-19 | 1995-10-25 | 엘지전자주식회사 | 케이오스(chaos) 피이드백 시스템 |
-
1993
- 1993-06-18 KR KR1019930011190A patent/KR950013123B1/ko not_active IP Right Cessation
- 1993-08-13 DE DE69328619T patent/DE69328619T2/de not_active Expired - Fee Related
- 1993-08-13 EP EP93402054A patent/EP0629959B1/en not_active Expired - Lifetime
- 1993-08-16 US US08/106,875 patent/US5506996A/en not_active Expired - Lifetime
- 1993-08-25 JP JP21045093A patent/JP3636371B2/ja not_active Expired - Fee Related
- 1993-09-20 CN CN93117404A patent/CN1045343C/zh not_active Expired - Fee Related
- 1993-09-29 TW TW082107985A patent/TW223197B/zh active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018181A (zh) * | 2012-12-14 | 2013-04-03 | 江苏大学 | 基于相关性分析和elm神经网络的软测量方法 |
JP2016202462A (ja) * | 2015-04-20 | 2016-12-08 | フクダ電子株式会社 | 生体信号処理装置およびその制御方法 |
CN110657882A (zh) * | 2019-09-23 | 2020-01-07 | 暨南大学 | 一种利用单测点响应的桥梁实时安全状态监测方法 |
CN110657882B (zh) * | 2019-09-23 | 2021-07-27 | 暨南大学 | 一种利用单测点响应的桥梁实时安全状态监测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP3636371B2 (ja) | 2005-04-06 |
KR950001510A (ko) | 1995-01-03 |
KR950013123B1 (ko) | 1995-10-25 |
EP0629959A3 (en) | 1995-06-14 |
TW223197B (en) | 1994-05-01 |
DE69328619D1 (de) | 2000-06-15 |
CN1096895A (zh) | 1994-12-28 |
CN1045343C (zh) | 1999-09-29 |
US5506996A (en) | 1996-04-09 |
EP0629959A2 (en) | 1994-12-21 |
DE69328619T2 (de) | 2001-04-26 |
EP0629959B1 (en) | 2000-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11676029B2 (en) | Neural network quantization parameter determination method and related products | |
EP3772022A1 (en) | Method for determining quantization parameters in neural network and related products | |
US5404298A (en) | Chaos feedback system | |
Billings et al. | A new class of wavelet networks for nonlinear system identification | |
Small | Applied nonlinear time series analysis: applications in physics, physiology and finance | |
Onken et al. | Discretize-optimize vs. optimize-discretize for time-series regression and continuous normalizing flows | |
Niyogi | The informational complexity of learning: perspectives on neural networks and generative grammar | |
KR20200086581A (ko) | 뉴럴 네트워크 양자화를 위한 방법 및 장치 | |
McNames et al. | Winning entry of the KU Leuven time-series prediction competition | |
JPH0793289A (ja) | カオスプロセッサー | |
WO2022155277A1 (en) | Quantum enhanced word embedding for natural language processing | |
Kavuran | When machine learning meets fractional-order chaotic signals: detecting dynamical variations | |
Opper et al. | Bounds for predictive errors in the statistical mechanics of supervised learning | |
Gallos et al. | Data-driven modelling of brain activity using neural networks, diffusion maps, and the Koopman operator | |
Roy et al. | Estimating percentiles in computer experiments: a comparison of sequential-adaptive designs and fixed designs | |
Ayers et al. | Supervised machine learning to estimate instabilities in chaotic systems: Estimation of local Lyapunov exponents | |
Stachowiak et al. | A differential algorithm for the Lyapunov spectrum | |
Sakuma et al. | An area-efficient recurrent neural network core for unsupervised time-series anomaly detection | |
Esposito et al. | Bellman residuals minimization using online support vector machines | |
KR0150664B1 (ko) | 카오스 신호 검출장치와 카오스 신호 검출방법 | |
Chamroukhi | Statistical learning of latent data models for complex data analysis | |
Costa | Customized Hardware for Long-Short Term Memory Networks in Embedded Systems | |
US20220222041A1 (en) | Method and apparatus for processing data, and related product | |
Ikeda et al. | Fast Parameter Optimization of Delayed Feedback Reservoir with Backpropagation and Gradient Descent | |
Ke-Ping et al. | Phase space prediction model based on the chaotic attractor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040713 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20041012 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20041019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041029 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050104 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |