PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.07385v1nlin.CD

스칼라 시계열에서 과도 혼돈을 추적하기 위한 통합 기하학적 유도 ML-FTLE

Unified Geometry-Guided ML-FTLE for Tracking Transient Chaos from Scalar Time Series

지배 방정식 없이 스칼라 관측값에서 과도 혼돈을 탐지하는 것은 비선형 역학의 근본적인 도전 과제입니다. 본 연구는 급격한 체제 전환을 추적하기 위해 예측 궤적 발산과 거시적 어트랙터 형태를 통합하는 기하학적 유도 머신러닝 프레임워크를 제안합니다. 해당 방법론은 샘플 외 k-최근접 이웃 예측 오차를 통해 국소 불안정성 척도를 추출하여 ML-FTLE 추정기를 확립한 뒤, 이 시간적 발산을 푸앵카레 점유 그리드의 최소 사전에서 유도된 구조적 근접 행렬에 매핑합니다. 부분 최소제곱 회귀를 사용하여 경험적 유한 시간 리아푸노프 스펙트럼에 직접 보정된 잠재 기하학적 성분을 추출함으로써, 푸앵카레 기반 기하학적 유도 FTLE를 도출합니다. 해석적 QR-FTLE 기준선에 대한 검증 결과, 위상 상태 공간과 예측 발산의 융합이 연속적 전환 추적을 체계적으로 향상시키는 것으로 확인되었습니다. 구조적 유사성 지수는 점진적 감쇠를 최적으로 해결하는 반면, 하우스도르프 거리는 급격한 위상 공간 붕괴 기간 동안 극한의 회복력을 나타냅니다. 또한, 거시적 공간 이산화는 가산 가우시안 잡음에 대해 강건한 위상 정규화기 역할을 하여, 중간 수준의 신호 임계값에서도 결정론적 특징을 보존합니다. 이 방정식 없는 프레임워크는 복잡한 비정상 시스템에서 구조적 전이를 모니터링하기 위한 고도로 정확하고 잡음에 강한 진단 도구를 제공합니다.