Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "oscillators" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Application of coupled neural oscillators for image texture segmentation and modeling of biological rhythms
Autorzy:
Strumiłło, P.
Strzelecki, M.
Powiązania:
https://bibliotekanauki.pl/articles/908378.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
rytm biologiczny
oscylacja nieliniowa
stymulator serca
biological rhythms
nonlinear oscillations
networks of synchronised oscillators
texture segmentation
cardiac pacemakers
Opis:
The role of relaxation oscillator models in application fields such as modeling dynamic systems and image analysis is discussed. A short review of the Van der Pol,Wilson-Cowan and Terman-Wang relaxation oscillators is given. The key property of such nonlinear oscillators, i.e., the oscillator phase shift (called the Phase Response Curve) as a result of external pulse stimuli is indicated as a fundamental mechanism to achieve and sustain synchrony in networks of coupled oscillators. It is noted that networks of such oscillators resemble a variety of naturally occurring phenomena (e.g., in electrophysiology) and dynamics arising in engineering systems. Two types of oscillator networks exhibiting synchronous behaviors are discussed. The network of oscillators connected in series for modeling a cardiac conduction system is used to explain causes of important cardiac abnormal rhythms. Finally, it is shown that a 2D network of coupled oscillators is an effective tool for segmenting image textures in biomedical images.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2006, 16, 4; 513-523
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting models for chaotic fractional-order oscillators using neural networks
Autorzy:
Bingi, Kishore
Prusty, B Rajanarayan
Powiązania:
https://bibliotekanauki.pl/articles/2055150.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
chaotic oscillators
data driven forecasting
fractional order system
model free analysis
neural network
time series prediction
oscylator chaotyczny
układ rzędu ułamkowego
sieć neuronowa
prognozowanie szeregów czasowych
Opis:
This paper proposes novel forecasting models for fractional-order chaotic oscillators, such as Duffing’s, Van der Pol’s, Tamaševičius’s and Chua’s, using feedforward neural networks. The models predict a change in the state values which bears a weighted relationship with the oscillator states. Such an arrangement is a suitable candidate model for out-of-sample forecasting of system states. The proposed neural network-assisted weighted model is applied to the above oscillators. The improved out-of-sample forecasting results of the proposed modeling strategy compared with the literature are comprehensively analyzed. The proposed models corresponding to the optimal weights result in the least mean square error (MSE) for all the system states. Further, the MSE for the proposed model is less in most of the oscillators compared with the one reported in the literature. The proposed prediction model’s out-of-sample forecasting plots show the best tracking ability to approximate future state values.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 3; 387--398
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies