Please use this identifier to cite or link to this item: http://dspace.lib.uom.gr/handle/2159/376
Author: Μάργαρης, Αθανάσιος
Title: Νευρωνικά δίκτυα και χάος: μελέτη και προσομοίωση χαοτικών ελκυστών δια της χρήσεως νευρωνικών δικτύων
Alternative Titles: Chaos and neural networks: study and simulation of chaotic attractors using neural networks
Date Issued: 2003
Department: Πανεπιστήμιο Μακεδονίας Οικονομικών και Κοινωνικών Επιστημών. Τμήμα Εφαρμοσμένης Πληροφορικής. (ΕΠ)
Supervisor: Ρουμελιώτης, Εμμανουήλ
Abstract: Στόχος της διδακτορικής διατριβής είναι η διερεύνηση της δυνατότητας νευρωνικών δικτύων να προσομοιώσουν χαοτικους ελκυστές και η μελέτη των χαοτικών χαρακτηριστικών των αναδρομικών νευρώνων. Το χαοτικό σύστημα που μελετήθηκε ήταν η λογιστική απεικόνιση η οποία προσομοιώθηκε με επιτυχία σε όλες τις περιοχές ενδιαφέροντος. Η διαδικασία της προσομοίωσης αξιολογήθηκε θεωρητικά διά της κατασκευής κατάλληλα σχεδιασμένου θεωρητικού μοντέλου. Στη συνέχεια μελετήθηκαν τα χαοτικά χαρακτηριστικά του αναδρομικού νευρώνα (εκθέτες Lyapunov, fractal dimensions, διαγράμματα διακλάδωσης, εξαγωγή χαοτικού ελκυστή, ανίχνευση χαοτικών περιοχών). Τέλος, κατασκευάστηκε θεωρητικό μοντέλο παραγωγής του βασικού προτύπου μεταβολής του απόλυτου σφάλματος στα νευρωνικά μοντέλα προσομοίωσης της λογιστικής απεικόνισης και μελετήθηκαν πειραματικά οι χρονοσειρές του ελάχιστου απόλυτου σφάλματος.
The objective of the dissertation was to explore the ability of neural networks to model the chaotic attractors and to study chaotic properties of recurrent neurons. The studied chaotic system was the logistic map which is simulated successfully by a backpropagation feedforward neural network. The simulation accuracy was described by means of a 2D theoretical model capable of modelling the simulation error time series. In the next step the chaotic properties of the recurrent neuron were studied (Lyapunov exponents, fractal dimensions, bifurcation diagrams, chaotic attractor shape and chaotic regions). Finally, a theoretical model capable of generating the basic absolute error pattern in backpropagation logistic map neural models was established. The study extended to the description of the minimum absolute error time series of the same model which simulates the logistic map for various values of the system parameter.
Keywords: Λογιστική απεικόνιση
Χαοτικοί ελκυστές
Νευρωνικό δίκτυο
Αναδρομικός νευρώνας
Εκθέτες Lyapunov
Κλασματικές διαστάσεις
Ευστάθεια
Νευρωνικό μοντέλο προσομοίωσης
Logistic map
Chaotic attractors
Neural network
Recurrent neuron
Lyapunov exponents
Fractal dimensions
Stability
Neural simulation model
Information: Η βιβλιοθήκη διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή.
Διατριβή (Διδακτορική)--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2003.
Περιλαμβάνει βιβλιογραφικές αναφορές (σ.382-391).
002/2003
002/2003
Appears in Collections:Τμήμα Εφαρμοσμένης Πληροφορικής (Δ)

Files in This Item:
File Description SizeFormat 
margarislicense.pdfΔήλωση αποδέσμευσης (Ελεγχόμενη πρόσβαση)187.07 kBAdobe PDFView/Open
margaris.pdf3.76 MBAdobe PDFView/Open


Items in Psepheda are protected by copyright, with all rights reserved, unless otherwise indicated.