کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11004931 1480070 2018 37 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Assessment of cooperativity in complex systems with non-periodical dynamics: Comparison of five mutual information metrics
ترجمه فارسی عنوان
ارزیابی تعاونی در سیستم های پیچیده با پویایی غیر دوره ای: مقایسه پنج معیار اطلاعات متقابل
کلمات کلیدی
سیستم های پیچیده، تعاونی، همبستگی بلندمدت، هماهنگ سازی، اطلاعات متقابل، نقشه های هرج و مرج،
ترجمه چکیده
ارزیابی کمی از اثرات تعاونی برای درک بهتر تعاملات بین اجزای سیستم ضروری است که گامی مهم در راه از جعبه سیاه به مدل های ساختاری مختلف سیستم های دینامیکی پیچیده است. در این مقاله، پنج معیارهای اطلاعات متقابل به طور گسترده ای مورد استفاده قرار می گیریم و عملکرد آنها را با استفاده از سری داده های تصادفی شبیه سازی شده با تصادفی سازی فاز یا دامنه معرفی شده و همچنین مجموعه داده هایی که توسط نقشه های هرج و مرج ایجاد می شود، مورد بررسی قرار می دهیم. ما عملکرد کلیه روش های بررسی شده را در هر دو حالت ثابت و در طی انتقال فاز نشان می دهد و نشان می دهد که الگوهای خاصی که می توانند از دینامیک سیستم و همچنین خواص خاصی که به صورت غیرمستقیم ظاهر می شوند، نشان دهند. در نهایت، ما نشان می دهیم چگونه ترکیبی از چند معیار برای تحلیل دقیق تر از سیستم های دینامیکی که ویژگی های انتقال فیزیکی مشخص دارند، از جمله نمونه هایی از نقشه های هرج و مرج شبیه سازی شده و مجموعه داده های مشاهده شده از سیستم های پیچیده فیزیولوژیکی و ژئوفیزیک استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Quantitative assessment of cooperativity effects is essential for a better understanding of the interactions between system components that is an important step on the way from black-box to structural models of various complex dynamical systems. In this paper, we consider five widely used mutual information metrics and test their performance using simulated stochastic data series with introduced phase- or amplitude randomization as well as data series generated by chaotic maps. We show the performance of all studied methods in both stationary mode and during phase transitions, indicating specific coupling patterns they can reveal from the system dynamics, as well as certain properties they appear invariant to. Finally, we demonstrate how a combination of several metrics can be used for a more detailed analysis of dynamical systems exhibiting characteristic phase transitions, including examples of both simulated chaotic maps and observational data series from physiological and geophysical complex systems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 503, 1 August 2018, Pages 1054-1072
نویسندگان
, , , , , , , ,