Analysis and Data-Based Reconstruction of Complex Nonlinear Dynamical Systems / Rahimi Tabar, M. Reza  

Público ISBD Ningún comentario para este título. Título : Analysis and Data-Based Reconstruction of Complex Nonlinear Dynamical Systems : Using the Methods of Stochastic Processes Tipo de documento: documento electrónico Autores: Rahimi Tabar, M. Reza, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XVIII, 280 p. 41 ilustraciones, 22 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-18472-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: teoría del sistema  Probabilidades  Econometría  Dinámica  Teorías no lineales  Neurociencias  Sistemas complejos  Teoría de probabilidad  Economía cuantitativa  Sistemas Dinámicos Aplicados  Neurociencia Clasificación: Resumen: Este libro se centra en una cuestión central en el campo de los sistemas complejos: dado un conjunto de datos experimentales fluctuantes (en el tiempo o el espacio), univariantes o multivariantes medidos secuencialmente (incluso datos ruidosos), ¿cómo se deben analizar de forma no paramétrica los sistemas complejos? datos, evaluar tendencias subyacentes, descubrir características de las fluctuaciones (incluidas la difusión y las contribuciones de salto) y construir una ecuación de evolución estocástica? En este caso, el término "no paramétrico" ejemplifica que todas las funciones y parámetros de la ecuación de evolución estocástica construida se pueden determinar directamente a partir de los datos medidos. El libro proporciona una visión general de los métodos que se han desarrollado para el análisis de series temporales fluctuantes y de estructuras espacialmente desordenadas. Gracias a su viabilidad y simplicidad, se ha aplicado con éxito a series temporales fluctuantes y estructuras espacialmente desordenadas de sistemas complejos estudiados en campos científicos como la física, la astrofísica, la meteorología, las ciencias de la tierra, la ingeniería, las finanzas, la medicina y las neurociencias, y ha conducido a una serie de resultados importantes. El libro también incluye los enfoques numéricos y analíticos para el análisis de series temporales complejas que son más comunes en las ciencias físicas y naturales. Además, es autónomo y de fácil acceso para estudiantes, científicos e investigadores que estén familiarizados con los métodos tradicionales de matemáticas, como las ecuaciones diferenciales ordinarias y parciales. Los códigos para analizar series temporales continuas están disponibles en un paquete R desarrollado por el grupo de investigación Turbulencia, Energía Eólica y Estocástica (TWiSt) de la Universidad Carl von Ossietzky de Oldenburg bajo la supervisión del Prof. Dr. Joachim Peinke. Este paquete permite extraer la ecuación de evolución (estocástica) subyacente a un conjunto de datos o mediciones. Nota de contenido: 1 Introduction -- 2 Introduction to Stochastic Processes -- 3 Kramers-Moyal Expansion and Fokker-Planck Equation -- 4 Continuous Stochastic Process -- 5 The Langevin Equation and Wiener Process -- 6 Stochastic Integration, It^o and Stratonovich Calculi -- 7 Equivalence of Langevin and Fokker-Planck Equations -- 8 Examples of Stochastic Calculus -- 9 Langevin Dynamics in Higher Dimensions -- 10 Levy Noise Driven Langevin Equation and its Time Series-Based Reconstruction -- 11 Stochastic Processes with Jumps and Non-Vanishing Higher-Order Kramers-Moyal Coefficients -- 12 Jump-Diffusion Processes -- 13 Two-Dimensional (Bivariate) Jump-Diffusion Processes -- 14 Numerical Solution of Stochastic Differential Equations: Diffusion and Jump-Diffusion Processes -- 15 The Friedrich-Peinke Approach to Reconstruction of Dynamical Equation for Time Series: Complexity in View of Stochastic Processes -- 16 How To Set Up Stochastic Equations For Real-World Processes: Markov-Einstein Time Scale -- 17 Reconstruction of Stochastic Dynamical Equations: Exemplary Stationary Diffusion and Jump-Diffusion Processes -- 18 The Kramers-Moyal Coefficients of Non-Stationary Time series in The Presence of Microstructure (Measurement) Noise -- 19 Influence of Finite Time Step in Estimating of the Kramers-Moyal Coefficients -- 20 Distinguishing Diffusive and Jumpy Behaviors in Real-World Time Series -- 21 Reconstruction of Langevin and Jump-Diffusion Dynamics From Empirical Uni- and Bivariate Time Series -- 22 Applications and Outlook -- 23 Epileptic Brain Dynamics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Analysis and Data-Based Reconstruction of Complex Nonlinear Dynamical Systems : Using the Methods of Stochastic Processes [documento electrónico] / Rahimi Tabar, M. Reza,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XVIII, 280 p. 41 ilustraciones, 22 ilustraciones en color. ISBN : 978-3-030-18472-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: teoría del sistema  Probabilidades  Econometría  Dinámica  Teorías no lineales  Neurociencias  Sistemas complejos  Teoría de probabilidad  Economía cuantitativa  Sistemas Dinámicos Aplicados  Neurociencia Clasificación: Resumen: Este libro se centra en una cuestión central en el campo de los sistemas complejos: dado un conjunto de datos experimentales fluctuantes (en el tiempo o el espacio), univariantes o multivariantes medidos secuencialmente (incluso datos ruidosos), ¿cómo se deben analizar de forma no paramétrica los sistemas complejos? datos, evaluar tendencias subyacentes, descubrir características de las fluctuaciones (incluidas la difusión y las contribuciones de salto) y construir una ecuación de evolución estocástica? En este caso, el término "no paramétrico" ejemplifica que todas las funciones y parámetros de la ecuación de evolución estocástica construida se pueden determinar directamente a partir de los datos medidos. El libro proporciona una visión general de los métodos que se han desarrollado para el análisis de series temporales fluctuantes y de estructuras espacialmente desordenadas. Gracias a su viabilidad y simplicidad, se ha aplicado con éxito a series temporales fluctuantes y estructuras espacialmente desordenadas de sistemas complejos estudiados en campos científicos como la física, la astrofísica, la meteorología, las ciencias de la tierra, la ingeniería, las finanzas, la medicina y las neurociencias, y ha conducido a una serie de resultados importantes. El libro también incluye los enfoques numéricos y analíticos para el análisis de series temporales complejas que son más comunes en las ciencias físicas y naturales. Además, es autónomo y de fácil acceso para estudiantes, científicos e investigadores que estén familiarizados con los métodos tradicionales de matemáticas, como las ecuaciones diferenciales ordinarias y parciales. Los códigos para analizar series temporales continuas están disponibles en un paquete R desarrollado por el grupo de investigación Turbulencia, Energía Eólica y Estocástica (TWiSt) de la Universidad Carl von Ossietzky de Oldenburg bajo la supervisión del Prof. Dr. Joachim Peinke. Este paquete permite extraer la ecuación de evolución (estocástica) subyacente a un conjunto de datos o mediciones. Nota de contenido: 1 Introduction -- 2 Introduction to Stochastic Processes -- 3 Kramers-Moyal Expansion and Fokker-Planck Equation -- 4 Continuous Stochastic Process -- 5 The Langevin Equation and Wiener Process -- 6 Stochastic Integration, It^o and Stratonovich Calculi -- 7 Equivalence of Langevin and Fokker-Planck Equations -- 8 Examples of Stochastic Calculus -- 9 Langevin Dynamics in Higher Dimensions -- 10 Levy Noise Driven Langevin Equation and its Time Series-Based Reconstruction -- 11 Stochastic Processes with Jumps and Non-Vanishing Higher-Order Kramers-Moyal Coefficients -- 12 Jump-Diffusion Processes -- 13 Two-Dimensional (Bivariate) Jump-Diffusion Processes -- 14 Numerical Solution of Stochastic Differential Equations: Diffusion and Jump-Diffusion Processes -- 15 The Friedrich-Peinke Approach to Reconstruction of Dynamical Equation for Time Series: Complexity in View of Stochastic Processes -- 16 How To Set Up Stochastic Equations For Real-World Processes: Markov-Einstein Time Scale -- 17 Reconstruction of Stochastic Dynamical Equations: Exemplary Stationary Diffusion and Jump-Diffusion Processes -- 18 The Kramers-Moyal Coefficients of Non-Stationary Time series in The Presence of Microstructure (Measurement) Noise -- 19 Influence of Finite Time Step in Estimating of the Kramers-Moyal Coefficients -- 20 Distinguishing Diffusive and Jumpy Behaviors in Real-World Time Series -- 21 Reconstruction of Langevin and Jump-Diffusion Dynamics From Empirical Uni- and Bivariate Time Series -- 22 Applications and Outlook -- 23 Epileptic Brain Dynamics. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200