×
柏拉克·阿里西奥卢;苏莱曼·乌尊;塞兹金·卡萨尔

基于深度学习的Chen和Rössler混沌系统在其图形图像上的时间序列分类。 （英语） Zbl 1491.68177号

物理D 435，文章ID 133306，11 p.（2022）.
摘要：本文首次采用深度学习方法对不同混沌系统时间序列的图形图像进行分类。对于分类，数据集包含Chen和Rössler混沌系统的时间序列图像，生成不同参数值、初始条件、步长和时间长度的混沌系统。然后，使用迁移学习方法执行高精度分类。使用的迁移学习方法有SqueezeNet公司,VGG-19型,AlexNet公司,ResNet50公司,ResNet-101公司,致密网-201,混洗网、和谷歌在线根据这个问题，本研究中的分类准确率在89%到99.7%之间。因此，本研究表明，从时间序列的图形图像中识别混沌系统是可能的。

MSC公司：

68T07型 人工神经网络与深度学习
37D45号 奇异吸引子，双曲行为系统的混沌动力学
37M10个 动力系统的时间序列分析
65页20 数值混沌

关键词：

混沌系统;时间序列;分类;深度学习;迁移学习

软件：

图像网络;混洗网;AlexNet公司
PDF格式BibTeX公司 XML格式引用
\textit{B.Ariciolu}等人，Physica D 435，文章ID 133306，11 p.（2022；Zbl 1491.68177）
全文： 内政部

参考文献：

[1] 普拉卡什，V。；Manimegalai，C.T.，VLC系统混沌同步RTL算法数据安全，J.Opt。，1-9 (2022)
[2] 阿利亚巴迪，F。；Majidi，M.H。；Khorashadizadeh，S.，自适应量子神经网络混沌同步及其在安全通信和密码学中的应用，神经计算。申请。，34, 8, 6521-6533 (2022)
[3] Sathiyamurthi，P。；Ramakrishnan，S。；Shobika，S。；北苏巴什里。；Prakavi，M.，《使用混沌映射和改进的Euler系统的语音和音频加密系统》（《国际发明通信和计算技术会议论文集》，ICICCT 2018（2018）），606-611
[4] Yu，F。；李，L。；唐奇。；蔡，S。；Song，Y。；Xu，Q.，基于混沌的真随机数发生器综述，离散动态。国家社会学（2019）、2019·Zbl 1453.65014号
[5] Abdoun，N。；埃尔阿萨德，S。；变形，O。；阿萨夫，R。；Khalil，M.，基于混沌神经网络的两个鲁棒密钥散列函数的设计和安全分析，J.Ambient Intell。Humaniz公司。计算。，11, 5, 2137-2161 (2020)
[6] 朱，Q。；林，F。；李，H。；Hao，R.，基于多媒体混沌理论的人类自主装置微弱信号检测方法，J.Ambient Intell。Humaniz公司。计算。(2020)
[7] Fu，C.B。；Tian，A.H。；Yu，K.N。；Lin，Y.H。；Yau，H.T.，DC-DC转换器中混沌行为的分析和控制，数学。问题。工程（2018），2018
[8] 巴罗斯，P。；帕里西，G。；韦伯，C。；神经计算，S.W.-。；undefined，H.T.，《情绪调节注意力提高表达识别：深度学习模型》（2017），爱思唯尔出版社
[9] Rakhlin，A。；Shvets，A。；伊格洛维科夫，V。；Kalinin，A.A.，乳腺癌组织学图像分析的深层卷积神经网络，（计算机科学课堂讲稿（包括人工智能子系列课堂讲稿和生物信息学课堂讲稿）。计算机科学课堂讲稿（包括人工智能子系列课堂讲稿和生物信息学课堂讲稿），LNCS，第10882卷（2018）），737-744
[10] Zhang，Y。；佩泽什基，M。；Brakel，P。；张，S。；本吉奥，C.L.Y。；Courville，A.，《利用深度卷积神经网络实现端到端语音识别》（2017），arXiv预印本arXiv:1701.02720
[11] 钱，Y。；毕，M。；Tan，T。；Yu，K.，用于抗噪声语音识别的深度卷积神经网络，IEEE/ACM Trans。音频语音语言处理。，24, 12, 2263-2276 (2016)
[12] Young，T。；哈扎里卡，D。；波利亚，S。；Cambria，E.，基于深度学习的自然语言处理的最新趋势[评论文章]，IEEE Comput。智力。Mag.，13，3，55-75（2018），电气与电子工程师协会。
[13] Li，H.，《自然语言处理的深度学习：优势和挑战》，Natl。科学。版次（2017）
[14] 邓，L。；Liu，Y.，自然语言处理的深度学习（2018）
[15] Toraman，S.，《从无人驾驶航空图像进行深度学习的行人检测》，J.Aviat。，2, 2, 64-69 (2018)
[16] 卡亚，美国。；Y'lmaz，A。；迪克曼，Y。；伊利诺伊州卡夫拉姆。，《健康领域使用的深度学习方法》，《欧洲科学杂志》。技术。，16, 792-808 (2019)
[17] Altan，G.，DeepGraphNet:图形分类中的DEep学习模型，《欧洲科学杂志》。Technol公司。规范发行，319-329（2019）
[18] 北卡罗来纳州博莱。；弗吉尼亚州达拉斯。；Y.Nakatsukasa。；Samaddar，D.，《混沌时间序列与深度学习的分类》，Physica D，403，Article 132261 pp.（2020）
[19] Yeo，K.，通过深度学习对噪声混沌时间序列进行无模型预测，ArXiv（2017）
[20] T.Kuremoto，M.Obayashi，K.小林，T.Hirata，S.Mabu，《DBN预测混沌时间序列数据》，载于：《2014年第七届国际图像和信号处理大会论文集》，CISP 2014年，2014年，第1130-1135页。
[21] Sangiorgio，M。；Dercole，F.，混沌时间序列多步预测LSTM神经网络的鲁棒性，混沌孤子分形，139，第110045页，文章（2020）·Zbl 1490.68198号
[22] 陈，G。；Ueta，T.，另一个混沌吸引子，Int.J.Bifurc。混沌，9，7，1465-1466（1999）·Zbl 0962.37013号
[23] Rössler，O.E.，《连续混沌方程》，《物理学》。莱特。A、 57、5、397-398（1976）·Zbl 1371.37062号
[24] 郭毅。；刘，Y。；奥尔勒曼斯，A。；老挝，S。；Wu，S。；Lew，M.S.，《视觉理解的深度学习：综述》，神经计算，187，27-48（2016）
[25] 哈斯金斯，G。；克鲁格，美国。；Yan，P.，《医学图像配准深度学习：一项调查》，马赫。视觉。申请。，31, 1 (2019)
[26] 库苏克，D。；Arici，N.，《自然语言处理中深度学习应用的文献研究》，国际期刊管理。信息系统。计算。科学。，2, 2, 76-86 (2018)
[27] Keles，A。；Ibrahim，A.，《深度学习与健康应用》，土耳其科技研究院。申请。科学。，13, 21, 113-127 (2018)
[28] LeCun，Y。；博图，L。；Y.本吉奥。；Haffner，P.，《基于梯度的学习应用于文档识别》，Proc。IEEE，86，11，2278-2323（1998）
[29] Le Cun others，Y.，《手写数字识别：神经网络芯片和自动学习的应用》（Neurocomputing（1990），Springer Berlin Heidelberg），303-318
[30] Ravi others，D.，《健康信息学深度学习》，IEEE J.Biomed。健康信息。，21, 1, 4-21 (2017)
[31] 卢，S。；卢，Z。；Zhang，Y.D.，基于AlexNet和转移学习的病理脑检测，J.Compute。科学。，30, 41-47 (2019)
[32] Krizhevsky，A。；Sutskever，I。；Hinton，G.E.，用深度卷积神经网络进行ImageNet分类，Commun。ACM，60，6，84-90（2017）
[33] Gonzalez，T.F.，近似算法和元启发式手册（2007）·Zbl 1138.90001号
[34] Ballester，P。；Araujo，R.M.，《论GoogLeNet和AlexNet应用于草图的性能》，（第三十届AAAI人工智能会议（2016））
[35] 韩，X。；钟，Y。；曹，L。；Zhang，L.，针对高空间分辨率遥感图像场景分类的金字塔池和监管预训练AlexNet架构，遥感，9，8，848（2017）
[36] Dhungel，N。；卡内罗，G。；Bradley，A.P.，正在ICLR 2017 SqueezeNet会议上作为一份会议文件进行审查：AlexNet级精度，参数减少50倍，模型大小小于0.5MB，（计算机视觉和模式识别进展（9783319429994）（2017）），225-240
[37] Aksoy，B。；哈利斯，H.D。；Salman，O.K.M.，《用人工智能方法识别苹果植株中的病害并比较人工智能方法的性能》，国际期刊Eng.Innov。第2194-210号决议（2020年）
[38] 托瓦萨，M。；埃尔根，B。；Øzyurt，F.，《利用卷积神经网络模型中的特征选择方法对花卉图像进行分类》，37-45（2020），《新大学Fürat u niversitesi Mühendislik Bilim》。德格
[39] L.Wen，X.Li，X.Li，L.Gao，基于VGG-19网络的故障诊断新转移学习，载于：2019 IEEE第23届计算机支持的协同设计国际会议论文集，CSCWD 2019，2019，第205-209页。
[40] K.He，X.Zhang，S.Ren，J.Sun，图像识别的深度剩余学习，摘自：IEEE计算机学会计算机视觉和模式识别会议论文集，2016年12月，第770-778页。
[41] Talo，M.，使用卷积神经网络对乳腺癌组织病理学图像进行分类，大鼠大学工程科学。，31, 2, 391-398 (2018)
[42] 何凯、张旭、任松生、孙建军，图像识别的深度剩余学习，载《IEEE计算机视觉与模式识别会议论文集》，2016年，第770-778页。
[43] 黄，G。；刘，Z。；Van Der Maaten，L。；Weinberger，K.Q.，《紧密连接卷积网络》（2017）
[44] Yilmaz，F。；科斯，O。；Demir，A.，《乳腺癌两种不同深度学习架构的比较》（TIPTEKNO 2019-Tip Teknolojileri Kongresi，2019-January（2019））
[45] X.Zhang，X.Zhou，M.Lin，J.Sun，ShuffleNet:一种用于移动设备的高效卷积神经网络，摘自：IEEE计算机学会计算机视觉和模式识别会议论文集，2018年，第6848-6856页。
[46] C.Szegedy，W.Liu，Y.Jia，P.Sermanet，S.Reed，D.Angelov…，A.Rabinovich，《卷积的深入研究》，收录于：IEEE计算机视觉和模式识别会议论文集，2015年，第1-9页。
[47] Russakovsky等人，O.，ImageNet大规模视觉识别挑战，国际计算机杂志。视觉。，115, 3, 211-252 (2015)
[48] Balagorouchetty，L。；Pragatheeswaran，J.K。；波塔克卡特，B。；Ramkumar，G.，基于GoogLeNet的集成FCNet分类器用于肝脏局灶病变诊断，IEEE J.Biomed。治愈。通知。，24, 6, 1686-1694 (2020)
[49] 朱，Z。；李，J。；卓，L。；Zhang，J.，使用新型微调策略和优化GoogLeNet的极端天气识别，（DICTA 2017-2017数字图像计算国际会议：技术和应用，2017年12月（2017）），1-7
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。