منابع مشابه
Observing Infinite-dimensional Dynamical Systems
We study the extent to which properties of infinite-dimensional dynamical systems can be accurately detected by examining observations of such systems. Let H be a separable Hilbert space. Let f : H → H be a map and let A ⊂ H be a compact set satisfying f(A) = A. We prove that for almost every (in the sense of prevalence) continuous observable φ : H → RM , if f induces a map f̄ satisfying f̄ ◦ φ =...
متن کاملSRB Measures for Infinite Dimensional Dynamical Systems
We study the existence of SRB measures and their properties for a class of infinite dimensional dynamical systems. We show several results including (i) if the system has a partially hyperbolic attractor with nontrivial finite dimensional unstable directions, then it has at least one SRB measure; (ii) if the attractor is uniformly hyperbolic, the system is topological mixing, and the splitting ...
متن کاملinfinite dimensional garch models
مدلهای گارچ در فضاهای هیلبرت پایان نامه حاضر شامل دو بخش می باشد. در قسمت اول مدلهای اتورگرسیو تعمیم یافته مشروط به ناهمگنی واریانس در فضاهای هیلبرت را معرفی، مفاهیم ریاضی مورد نیاز در تحلیل این مدلها در دامنه زمان را مطرح کرده و آنها را مورد بررسی قرار می دهیم. بر اساس پیشرفتهایی که اخیرا در زمینه تئوری داده های تابعی و آماره های عملگری ایجاد شده است، فرآیندهایی که دارای مقادیر در فضاهای ...
15 صفحه اولobservational dynamical systems
چکیده در این پایاننامه ابتدا فضاهای متریک فازی را به صورت مشاهدهگرایانه بررسی میکنیم. فضاهای متریک فازی و توپولوژی تولید شده توسط این متریک معرفی شدهاند. سپس بر اساس فضاهایی که در فصل اول معرفی شدهاند آشوب توپولوژیکی، مینیمالیتی و مجموعههای متقاطع در شیوههای مختلف بررسی شده- اند. در فصل سوم مفهوم مجموعههای جاذب فازی به عنوان یک مفهوم پایهای در سیستمهای نیم-دینامیکی نسبی، تعریف شده است. ...
15 صفحه اولBack-propagation learning of infinite-dimensional dynamical systems
This paper presents numerical studies of applying back-propagation learning to a delayed recurrent neural network (DRNN). The DRNN is a continuous-time recurrent neural network having time delayed feedbacks and the back-propagation learning is to teach spatio-temporal dynamics to the DRNN. Since the time-delays make the dynamics of the DRNN infinite-dimensional, the learning algorithm and the l...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Frontiers of Mathematics in China
سال: 2009
ISSN: 1673-3452,1673-3576
DOI: 10.1007/s11464-009-0025-5