Deep learning for chaos detection

Barrio, Roberto (Universidad de Zaragoza) ; Lozano, Álvaro (Universidad de Zaragoza) ; Mayora-Cebollero, Ana (Universidad de Zaragoza) ; Mayora-Cebollero, Carmen (Universidad de Zaragoza) ; Miguel, Antonio (Universidad de Zaragoza) ; Ortega, Alfonso (Universidad de Zaragoza) ; Serrano, Sergio (Universidad de Zaragoza) ; Vigara, Rubén (Universidad de Zaragoza)

Resumen: In this article, we study how a chaos detection problem can be solved using Deep Learning techniques. We consider two classical test examples: the Logistic map as a discrete dynamical system and the Lorenz system as a continuous dynamical system. We train three types of artificial neural networks (multi-layer perceptron, convolutional neural network, and long short-term memory cell) to classify time series from the mentioned systems into regular or chaotic. This approach allows us to study biparametric and triparametric regions in the Lorenz system due to their low computational cost compared to traditional techniques.

Idioma: Inglés

DOI: 10.1063/5.0143876

Año: 2023

Publicado en: CHAOS 33, 7 (2023), 073146 [50 pp.]
ISSN: 1054-1500

Factor impacto JCR: 2.7 (2023)

Categ. JCR: PHYSICS, MATHEMATICAL rank: 5 / 60 = 0.083 (2023) - Q1 - T1
Categ. JCR: MATHEMATICS, APPLIED rank: 25 / 332 = 0.075 (2023) - Q1 - T1

Factor impacto CITESCORE: 5.2 - Applied Mathematics (Q1) - Statistical and Nonlinear Physics (Q1) - Mathematical Physics (Q1) - Physics and Astronomy (all) (Q2)

Factor impacto SCIMAGO: 0.778 - Physics and Astronomy (miscellaneous) (Q1) - Mathematical Physics (Q2) - Statistical and Nonlinear Physics (Q2) - Applied Mathematics (Q2) - Medicine (miscellaneous) (Q2)

Financiación: info:eu-repo/grantAgreement/ES/AEI/PID2021-122961NB-I00
Financiación: info:eu-repo/grantAgreement/ES/DGA/E22-20R
Financiación: info:eu-repo/grantAgreement/ES/DGA-FSE/E24-20R
Financiación: info:eu-repo/grantAgreement/ES/DGA/LMP94_21
Financiación: info:eu-repo/grantAgreement/ES/DGA/T36-20R
Financiación: info:eu-repo/grantAgreement/ES/MCIU/FPU20-04039
Financiación: info:eu-repo/grantAgreement/ES/MICINN/PGC2018-096026-B-I00

Tipo y forma: Article (PostPrint)

Área (Departamento): Área Geometría y Topología (Dpto. Matemáticas)
Área (Departamento): Área Matemática Aplicada (Dpto. Matemática Aplicada)
Área (Departamento): Área Teoría Señal y Comunicac. (Dpto. Ingeniería Electrón.Com.)