Comparison of Feedforward and Recurrent Neural Network in Forecasting Chaotic Dynamical System
| Autor: | KANDIRAN, Engin, HACINLIYAN, Avadis |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2019 |
| Předmět: | |
| Zdroj: | Volume: 10, Issue: 37 31-44 AJIT-e: Academic Journal of Information Technology |
| ISSN: | 1309-1581 |
| Popis: | Yapay sinir ağları global fonksiyon tahmininde genel olarak kabul görmüş başarılı bir araçtır. Bu nedenle, kaotik zaman serisi tahmininde şarılı bir yaklaşım olarak bir çok çalışmanın konusu olmuşlardır. Verilen bir zaman serisi için, Lyapunov üsteli, verilen serinin kaotik olup olmadığını karakterize etmekte iyi bir parametredir. Bu çalışmada, üç değişik yapay sinir ağı mimarisini, değişik dinamik sistemlerden türetilmiş zaman serilerini tahmin etmede kullandık. Zaman serilerinin tahminine ek olarak, çalışılan sistemlerin Lyapunov üstellerini tek gizli katmanlı ileribeslemelisinir ağı kullanarak tahmin ettik. Artificial neural networks are commonly accepted as a very successful tool for global function approximation. Because of this reason, they are considered as a good approach to forecasting chaotic time series in many studies. For a given time series, the Lyapunov exponent is a good parameter to characterize the series as chaotic or not. In this study, we use three different neural network architectures to test capabilities of the neural network in forecasting time series generated from different dynamical systems. In addition to forecasting time series, using the feedforward neural network with single hidden layer, Lyapunov exponents of the studied systems are forecasted. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|