论文学习-混沌系统以及机器学习模型-11-29-wlg

混沌系统以及机器学习模型

概述：

必要条件下： negative values of the sub-Lyapunov exponents.

通过rc方法， 可以在参数不匹配的情况下，实现输入信号，混沌系统中实现同步；

第一段：

混沌系统的同步是一个非线性问题； 分析了混沌系统同步的历史， 和分类（完全同步，相位同步，滞后同步，广义同步汉化）

第二段：

和往常的混沌系统方程已知不同，我们采用机器学习方法应用于未知方程的混沌模型； 通过RC，一个输入信号可以应用于混沌模型； 层叠式的同步也可以应用于混沌模型；（文章中证实了the Rössler and Lorenz systems 两个参数的混沌模型；

第三段：

介绍了RC算法：

首先是动态输入层：N；

状态向量R方程为：

含义：A 是水库网络的邻接矩阵，而u 是输入向量

RC通过输入的加权矩阵W

输出向量Y表示为：

RC基于方程一，通过T时刻，预测T+1时刻，并进行输出：

第二页第二段：

介绍了RC在Rössler 混沌模型算法中的应用；