Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial

Introducción: el artículo se deriva de la investigación “Caracterización de señales complejas con técnicas de Inteligencia Computacional” que se encuentra en curso desde el 2016 dentro del Grupo de Investigación Modelamiento en Ingeniería de Sistemas MIS de la Universidad Distrital Francisco José de...

Full description

Autores:: Bejarano Garzón, Lilian Astrid
Medina García, Víctor Hugo
Espitia Cuchango, Helbert Eduardo

Tipo de recurso:: Article of investigation

Fecha de publicación:: 2019

Institución:: Universidad Cooperativa de Colombia

Repositorio:: Repositorio UCC

Idioma:

id	COOPER2_c95fbd45b790a7c4115ac918c4a2ab9e
oai_identifier_str	oai:repository.ucc.edu.co:20.500.12494/35966
network_acronym_str	COOPER2
network_name_str	Repositorio UCC
repository_id_str
dc.title.spa.fl_str_mv	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
title	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
spellingShingle	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial Caos Ecuaciones de Lorenz Máquinas de soporte vectorial Chaos Equations of Lorenz Vectorial support machines
title_short	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
title_full	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
title_fullStr	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
title_full_unstemmed	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
title_sort	Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial
dc.creator.fl_str_mv	Bejarano Garzón, Lilian Astrid Medina García, Víctor Hugo Espitia Cuchango, Helbert Eduardo
dc.contributor.author.none.fl_str_mv	Bejarano Garzón, Lilian Astrid Medina García, Víctor Hugo Espitia Cuchango, Helbert Eduardo
dc.subject.spa.fl_str_mv	Caos Ecuaciones de Lorenz Máquinas de soporte vectorial
topic	Caos Ecuaciones de Lorenz Máquinas de soporte vectorial Chaos Equations of Lorenz Vectorial support machines
dc.subject.other.spa.fl_str_mv	Chaos Equations of Lorenz Vectorial support machines
description	Introducción: el artículo se deriva de la investigación “Caracterización de señales complejas con técnicas de Inteligencia Computacional” que se encuentra en curso desde el 2016 dentro del Grupo de Investigación Modelamiento en Ingeniería de Sistemas MIS de la Universidad Distrital Francisco José de Caldas. Objetivo: identificar el comportamiento caótico que presentan las ecuaciones de Lorenz empleando datos tomados directamente en el dominio del tiempo sin procesamiento previo, para lograr clasificar un sistema caótico. Metodología: en primer lugar, se obtienen los datos de entrenamiento mediante simulación. Posteriormente, se observa la respuesta del sistema utilizando datos de validación. Finalmente, se realiza una discusión y se establecen las conclusiones en función de los datos obtenidos. Resultados: para la mayoría de las máquinas de soporte vectorial utilizadas se observa una buena clasificación. Conclusión: para el conjunto de datos empleados se logró la clasificación del comportamiento caótico de las ecuaciones de Lorenz mediante máquinas de soporte vectorial, de tal forma que estas pueden ser una alternativa para realizar la clasificación de comportamientos, donde se toman datos directamente en el dominio del tiempo sin un procesamiento preliminar. Originalidad: esta investigación servirá de referente para posteriores desarrollos como el diagnóstico de pacientes utilizando señales biológicas. En este documento se busca observar las características que presentan las máquinas de soporte vectorial para la clasificación de un sistema caótico. Limitaciones: no se realiza un procesamiento preliminar de datos por lo cual la clasificación está sujeta por los valores obtenidos directamente de la simulación.
publishDate	2019
dc.date.issued.none.fl_str_mv	2019-01
dc.date.accessioned.none.fl_str_mv	2021-09-15T14:28:30Z
dc.date.available.none.fl_str_mv	2021-09-15T14:28:30Z
dc.type.none.fl_str_mv	Artículos Científicos
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.none.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/article
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/publishedVersion
format	http://purl.org/coar/resource_type/c_2df8fbb1
status_str	publishedVersion
dc.identifier.issn.spa.fl_str_mv	2357-6014
dc.identifier.uri.spa.fl_str_mv	https://doi.org/10.16925/2357-6014.2019.01.08
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/20.500.12494/35966
dc.identifier.bibliographicCitation.spa.fl_str_mv	L. A. Bejarano-Garzón, V. H. Medina-García, H. E. Espitia-Cuchango, “Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial”, Revista Ingeniería Solidaria, vol. 25, n.° 1, 2019. DOI: https://doi.org/10.16925/2357-6014.2019.01.08
identifier_str_mv	2357-6014 L. A. Bejarano-Garzón, V. H. Medina-García, H. E. Espitia-Cuchango, “Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial”, Revista Ingeniería Solidaria, vol. 25, n.° 1, 2019. DOI: https://doi.org/10.16925/2357-6014.2019.01.08
url	https://doi.org/10.16925/2357-6014.2019.01.08 https://hdl.handle.net/20.500.12494/35966
dc.relation.ispartofjournal.spa.fl_str_mv	Revista Ingeniería Solidaria
dc.relation.references.spa.fl_str_mv	A. Stefanski, T. Kapitaniak y J. Brindley, “Dynamics of coupled Lorenz systems and its geophysical implications”, Physica D: Nonlinear Phenomena, vol. 98, no. 2-4, pp. 594-598, 1996, doi:https://doi.org/10.1016/0167-2789(96)00106-6 Y. Zhang, J. Yang, K. Wang, Y. Wang y Z. Wang, “Improved wind prediction based on the Lorenz system”, Renewable Energy, vol. 81, pp. 219-226, 2015, doi: https://doi.org/10.1016/j.renene.2015.03.039 S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994. P. Vadasz, “Analytical prediction of the transition to chaos in Lorenz equations”, Applied Mathematics Letters, vol. 23, no. 5, pp. 503-507, 2010, doi: https://doi.org/10.1016/j.aml.2009.12.012 C. Li, J.C. Sprott, W. Thio, “Linearization of the Lorenz system”, Physics Letters A, vol. 379, pp. 888-893, 2015, doi: https://doi.org/10.1016/j.physleta.2015.01.003 B. Munmuangsaen, B. Srisuchinwong, “A hidden chaotic attractor in the classical Lorenz system”, Chaos, Solitons and Fractals, vol. 107, pp. 61-66, 2018, doi: https://doi.org/10.1016/j.chaos.2017.12.017 M.A. Hearst, S.T. Dumais, E. Osuna, J. Platt y B. Scholkopf, “Support vector machines”, IEEE Intelligent Systems and their Applications, vol. 13, no. 4, 1998, doi: https://doi.org/10.1109/5254.708428 D. Tomar y S. Agarwal, “Twin Support Vector Machine: A review from 2007 to 2014”, Egyptian Informatics Journal, vol. 16, pp. 55-69, 2015, doi: https://doi.org/10.1016/j.eij.2014.12.003 D. Tomar y S. Agarwal, “Twin Support Vector Machine: A review from 2007 to 2014”, Egyptian Informatics Journal, vol. 16, pp. 55-69, 2015, doi: https://doi.org/10.1016/j.eij.2014.12.003 R. Khemchandania, K. Goyal y S. Chandrab, “TWSVR: Regression via Twin Support Vector Machine”, Neural Networks, vol. 74 pp. 14-21, 2016, doi: https://doi.org/10.1016/j.neunet.2015.10.007 J. Tang y Y. Tian, “A multi-kernel framework with nonparallel support vector machine”, Neurocomputing, vol. 266, pp. 226-238, 2017, doi: https://doi.org/10.1016/j.neucom.2017.05.036 J. Tang y Y. Tian, “A multi-kernel framework with nonparallel support vector machine”, Neurocomputing, vol. 266, pp. 226-238, 2017, doi: https://doi.org/10.1016/j.neucom.2017.05.036 S.V. Dudul, “Prediction of a Lorenz chaotic attractor using two-layer perceptron neural network”, Applied Soft Computing, vol 5, no. 4, pp. 333-355, 2005, doi: https://doi.org/10.1016/j.asoc.2004.07.005 U. Köse y A. Arslan, “An Adaptive Neuro-Fuzzy Inference System-Based Approach to Forecast Time Series of Chaotic Systems”, Chaos, Complexity and Leadership, pp. 17-22, 2012, doi: https://doi.org/10.1007/978-94-007-7362-2_3 L. Morales, H. Espitia y J. Soriano, “Propuesta de un sistema NEURO-DBR y su aplicación en la predicción de la serie de tiempo de lorenz”, Ciencia e Ingeniería Neogranadina, vol. 20, no. 2, pp. 31-51, 2010, doi: https://doi.org/10.18359/rcin.275 L.A. Dmitrieva, Y.A. Kuperin, N.M. Smetanin y G.A. Chernykh, “Method of calculating Lyapunov exponents for time series using artificial neural networks committees”, Proceedings of the International Conference DAYS on DIFFRACTION, pp. 127-132, 2016, doi: https://doi.org/10.1109/DD.2016.7756827 L. Zhang, “Artificial Neural Network Model Design and Topology Analysis for FPGA Implementation of Lorenz Chaotic Generator”, IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE), pp. 1-4, 2017, doi: https://doi.org/10.1109/CCECE.2017.7946635 L. Zhang, “Artificial Neural Network Model Design and Topology Analysis for FPGA Implementation of Lorenz Chaotic Generator”, IEEE 30th Canadian Conference on d Electrical and Computer Engineering (CCECE), pp. 1-4, 2017, doi: https://doi.org/10.1109/CCECE.2017.7946635 J.S.H. Tsai, J.S. Fang, J.J. Yan, M.C. Dai, S.M. Guo y L.S. Shieh, “Hybrid robust discrete sliding mode control for generalized continuous chaotic systems subject to external disturbances”, Nonlinear Analysis: Hybrid Systems, vol. 29, pp. 74-84, 2018, doi: https://doi.org/10.1016/j.nahs.2018.01.001 H. Wendt, Support Vector Machines for Regression Estimation and their Application to Chaotic Time Series Prediction, Thesis, Vienna University of Technology Faculty of Electrical Engineering and Information Technology, 2005, doi: https://pdfs.semanticscholar.org/7aa7/9531f16af48bd5132bc5b174a8502d6b15d9.pdf F. Tay y L. Cao, “Modified support vector machines in financial time series forecasting”, Neurocomputing, vol. 48, no. 1-4, pp. 847-861, 2002, doi: https://doi.org/10.1016/S0925-2312(01)00676-2 L. Ralaivola y F. d’Alche Buc, “Dynamical modeling with kernels for nonlinear time series prediction”, Proceedings of the 16th International Conference on Neural Information Processing Systems, NIPS’03, pp. 129-136, 2003, doi: http://dl.acm.org/citation.cfm?id=2981345.2981362 S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994. S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994. S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994. S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994. P. Vadasz, “Analytical prediction of the transition to chaos in Lorenz equations”, Applied Mathematics Letters, vol. 23, no. 5, pp. 503-507, 2010, doi: https://doi.org/10.1016/j.aml.2009.12.012 J. Gómez y J. Martínez, “Support Vector Machines”, Springer Computational Intelligence, pp.147-191, 2007, doi: https://doi.org/10.1007/0-387-37452-3_7 I. Steinwart y A. Christmann, Support Vector Machines, Information Science and Statistics, Springer Science & Business Media, 2008, doi: https://doi.org/10.1007/978-0-387-77242-4 B. Scholkopf y A.J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press Cambridge, MA, USA, 2001, doi: https://mitpress.mit.edu/books/learning-kernels G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 B. Scholkopf y A.J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press Cambridge, MA, USA, 2001, doi: https://mitpress.mit.edu/books/learning-kernels G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 . Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199 C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199 D. Meyer, “Support Vector Machines”, R-News, vol. 1, no. 3, pp. 23-26, September 2001, doi:https://cran.r-project.org/doc/Rnews/Rnews_2001-3.pdf C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199 D. Tomar y S. Agarwal, “Twin Support Vector Machine: A review from 2007 to 2014”, Egyptian Informatics Journal, vol. 16, pp. 55-69, 2015, doi: https://doi.org/10.1016/j.eij.2014.12.003 J. Tang y Y. Tian, “A multi-kernel framework with nonparallel support vector machine”,Neurocomputing, vol. 266, pp. 226-238, 2017, doi: https://doi.org/10.1016/j.neucom.2017.05.036
dc.rights.license.none.fl_str_mv	NINGUNA
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/closedAccess
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_14cb
rights_invalid_str_mv	NINGUNA http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv	closedAccess
dc.format.extent.spa.fl_str_mv	p. 1-35
dc.coverage.temporal.spa.fl_str_mv	Vol. 15, No. 1
dc.publisher.spa.fl_str_mv	Universidad Distrital Francisco José de Caldas, Bogotá, Colombia Externo Gloria Jeanette Rincón Aponte
dc.publisher.program.spa.fl_str_mv	Ciencia Inclusiva
institution	Universidad Cooperativa de Colombia
bitstream.url.fl_str_mv	https://repository.ucc.edu.co/bitstreams/bf18f4b0-d76d-4d38-a0a8-ad3a24e683a7/download https://repository.ucc.edu.co/bitstreams/805c1359-29ad-43c0-a1ee-097a91836054/download https://repository.ucc.edu.co/bitstreams/73dca4f6-123a-45d4-ab9f-489d9d294bb4/download https://repository.ucc.edu.co/bitstreams/b30d8e06-bc3d-41bf-8a4b-6cc6f766e402/download
bitstream.checksum.fl_str_mv	a889af4439a8758e24a802e4aa175e5f 817ed26f48a84bc5c6e5a76a26b8dcfc 3bce4f7ab09dfc588f126e1e36e98a45 2594cf9255256d3beff1230f1d9f83a0
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Cooperativa de Colombia
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1811565004016582656
spelling	Bejarano Garzón, Lilian AstridMedina García, Víctor HugoEspitia Cuchango, Helbert EduardoVol. 15, No. 12021-09-15T14:28:30Z2021-09-15T14:28:30Z2019-012357-6014https://doi.org/10.16925/2357-6014.2019.01.08https://hdl.handle.net/20.500.12494/35966L. A. Bejarano-Garzón, V. H. Medina-García, H. E. Espitia-Cuchango, “Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial”, Revista Ingeniería Solidaria, vol. 25, n.° 1, 2019. DOI: https://doi.org/10.16925/2357-6014.2019.01.08Introducción: el artículo se deriva de la investigación “Caracterización de señales complejas con técnicas de Inteligencia Computacional” que se encuentra en curso desde el 2016 dentro del Grupo de Investigación Modelamiento en Ingeniería de Sistemas MIS de la Universidad Distrital Francisco José de Caldas. Objetivo: identificar el comportamiento caótico que presentan las ecuaciones de Lorenz empleando datos tomados directamente en el dominio del tiempo sin procesamiento previo, para lograr clasificar un sistema caótico. Metodología: en primer lugar, se obtienen los datos de entrenamiento mediante simulación. Posteriormente, se observa la respuesta del sistema utilizando datos de validación. Finalmente, se realiza una discusión y se establecen las conclusiones en función de los datos obtenidos. Resultados: para la mayoría de las máquinas de soporte vectorial utilizadas se observa una buena clasificación. Conclusión: para el conjunto de datos empleados se logró la clasificación del comportamiento caótico de las ecuaciones de Lorenz mediante máquinas de soporte vectorial, de tal forma que estas pueden ser una alternativa para realizar la clasificación de comportamientos, donde se toman datos directamente en el dominio del tiempo sin un procesamiento preliminar. Originalidad: esta investigación servirá de referente para posteriores desarrollos como el diagnóstico de pacientes utilizando señales biológicas. En este documento se busca observar las características que presentan las máquinas de soporte vectorial para la clasificación de un sistema caótico. Limitaciones: no se realiza un procesamiento preliminar de datos por lo cual la clasificación está sujeta por los valores obtenidos directamente de la simulación.Introduction: The article is derived from the research Characterization of complex signals with Computational Intelligence techniques that has been ongoing since 2016 within the investigation Group Modelación en Ingeniería de Sistemas MIS of the Universidad Distrital Francisco José de Caldas. Objective: Determine the chaotic behavior in equations of Lorenz by using data directly taken from the time domain without prior processing, in order to classify a chaotic system. Methodology: Firstly, through simulation training data is acquired; later, it is used validation data to observe the system response. Finally, it is presented a discussion together with a set of conclusions regarding the data obtained. Results: In most of the implemented vector support machines a positive classification is prevailing. Conclusion: The data set used for the classification of the chaotic behavior in Lorenz equations was achieved implementing vector support machines, so they may be an alternative to obtaining behavior classification where data are directly taken from the time domain with none prior processing. Originality: This paper is expected to serve to further developments as in diagnosis of patients using biological signals. This work is aimed to the observation of the characteristics manifested in the vector support machines to chaotic system classification. Limitations: None preliminary data processing is performed wherefore such classification is subjected by the values obtained directly from the simulation.1. Introducción. -- 2. Metodología. -- 3. Resultados. -- 4. Discusión. -- 5. Conclusiones.https://orcid.org/0000-0002-1381-6522https://orcid.org/0000-0002-0989-8676https://orcid.org/0000-0002-0742-6069heespitiac@udistrital.edu.cop. 1-35Universidad Distrital Francisco José de Caldas, Bogotá, ColombiaExternoGloria Jeanette Rincón AponteCiencia InclusivaCaosEcuaciones de LorenzMáquinas de soporte vectorialChaosEquations of LorenzVectorial support machinesIdentificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorialArtículos Científicoshttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionNINGUNAinfo:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbRevista Ingeniería SolidariaA. Stefanski, T. Kapitaniak y J. Brindley, “Dynamics of coupled Lorenz systems and its geophysical implications”, Physica D: Nonlinear Phenomena, vol. 98, no. 2-4, pp. 594-598, 1996, doi:https://doi.org/10.1016/0167-2789(96)00106-6Y. Zhang, J. Yang, K. Wang, Y. Wang y Z. Wang, “Improved wind prediction based on the Lorenz system”, Renewable Energy, vol. 81, pp. 219-226, 2015, doi: https://doi.org/10.1016/j.renene.2015.03.039S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994.P. Vadasz, “Analytical prediction of the transition to chaos in Lorenz equations”, Applied Mathematics Letters, vol. 23, no. 5, pp. 503-507, 2010, doi: https://doi.org/10.1016/j.aml.2009.12.012C. Li, J.C. Sprott, W. Thio, “Linearization of the Lorenz system”, Physics Letters A, vol. 379, pp. 888-893, 2015, doi: https://doi.org/10.1016/j.physleta.2015.01.003B. Munmuangsaen, B. Srisuchinwong, “A hidden chaotic attractor in the classical Lorenz system”, Chaos, Solitons and Fractals, vol. 107, pp. 61-66, 2018, doi: https://doi.org/10.1016/j.chaos.2017.12.017M.A. Hearst, S.T. Dumais, E. Osuna, J. Platt y B. Scholkopf, “Support vector machines”, IEEE Intelligent Systems and their Applications, vol. 13, no. 4, 1998, doi: https://doi.org/10.1109/5254.708428D. Tomar y S. Agarwal, “Twin Support Vector Machine: A review from 2007 to 2014”, Egyptian Informatics Journal, vol. 16, pp. 55-69, 2015, doi: https://doi.org/10.1016/j.eij.2014.12.003D. Tomar y S. Agarwal, “Twin Support Vector Machine: A review from 2007 to 2014”, Egyptian Informatics Journal, vol. 16, pp. 55-69, 2015, doi: https://doi.org/10.1016/j.eij.2014.12.003R. Khemchandania, K. Goyal y S. Chandrab, “TWSVR: Regression via Twin Support Vector Machine”, Neural Networks, vol. 74 pp. 14-21, 2016, doi: https://doi.org/10.1016/j.neunet.2015.10.007J. Tang y Y. Tian, “A multi-kernel framework with nonparallel support vector machine”, Neurocomputing, vol. 266, pp. 226-238, 2017, doi: https://doi.org/10.1016/j.neucom.2017.05.036J. Tang y Y. Tian, “A multi-kernel framework with nonparallel support vector machine”, Neurocomputing, vol. 266, pp. 226-238, 2017, doi: https://doi.org/10.1016/j.neucom.2017.05.036S.V. Dudul, “Prediction of a Lorenz chaotic attractor using two-layer perceptron neural network”, Applied Soft Computing, vol 5, no. 4, pp. 333-355, 2005, doi: https://doi.org/10.1016/j.asoc.2004.07.005U. Köse y A. Arslan, “An Adaptive Neuro-Fuzzy Inference System-Based Approach to Forecast Time Series of Chaotic Systems”, Chaos, Complexity and Leadership, pp. 17-22, 2012, doi: https://doi.org/10.1007/978-94-007-7362-2_3L. Morales, H. Espitia y J. Soriano, “Propuesta de un sistema NEURO-DBR y su aplicación en la predicción de la serie de tiempo de lorenz”, Ciencia e Ingeniería Neogranadina, vol. 20, no. 2, pp. 31-51, 2010, doi: https://doi.org/10.18359/rcin.275L.A. Dmitrieva, Y.A. Kuperin, N.M. Smetanin y G.A. Chernykh, “Method of calculating Lyapunov exponents for time series using artificial neural networks committees”, Proceedings of the International Conference DAYS on DIFFRACTION, pp. 127-132, 2016, doi: https://doi.org/10.1109/DD.2016.7756827L. Zhang, “Artificial Neural Network Model Design and Topology Analysis for FPGA Implementation of Lorenz Chaotic Generator”, IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE), pp. 1-4, 2017, doi: https://doi.org/10.1109/CCECE.2017.7946635L. Zhang, “Artificial Neural Network Model Design and Topology Analysis for FPGA Implementation of Lorenz Chaotic Generator”, IEEE 30th Canadian Conference on d Electrical and Computer Engineering (CCECE), pp. 1-4, 2017, doi: https://doi.org/10.1109/CCECE.2017.7946635J.S.H. Tsai, J.S. Fang, J.J. Yan, M.C. Dai, S.M. Guo y L.S. Shieh, “Hybrid robust discrete sliding mode control for generalized continuous chaotic systems subject to external disturbances”, Nonlinear Analysis: Hybrid Systems, vol. 29, pp. 74-84, 2018, doi: https://doi.org/10.1016/j.nahs.2018.01.001H. Wendt, Support Vector Machines for Regression Estimation and their Application to Chaotic Time Series Prediction, Thesis, Vienna University of Technology Faculty of Electrical Engineering and Information Technology, 2005, doi: https://pdfs.semanticscholar.org/7aa7/9531f16af48bd5132bc5b174a8502d6b15d9.pdfF. Tay y L. Cao, “Modified support vector machines in financial time series forecasting”, Neurocomputing, vol. 48, no. 1-4, pp. 847-861, 2002, doi: https://doi.org/10.1016/S0925-2312(01)00676-2L. Ralaivola y F. d’Alche Buc, “Dynamical modeling with kernels for nonlinear time series prediction”, Proceedings of the 16th International Conference on Neural Information Processing Systems, NIPS’03, pp. 129-136, 2003, doi: http://dl.acm.org/citation.cfm?id=2981345.2981362S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994.S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994.S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994.S. Strogatz, Nonlinear dynamics and chaos with applications to physics, biology, chemistry and engineering, Cambridge, Perseus Books, 1994.P. Vadasz, “Analytical prediction of the transition to chaos in Lorenz equations”, Applied Mathematics Letters, vol. 23, no. 5, pp. 503-507, 2010, doi: https://doi.org/10.1016/j.aml.2009.12.012J. Gómez y J. Martínez, “Support Vector Machines”, Springer Computational Intelligence, pp.147-191, 2007, doi: https://doi.org/10.1007/0-387-37452-3_7I. Steinwart y A. Christmann, Support Vector Machines, Information Science and Statistics, Springer Science & Business Media, 2008, doi: https://doi.org/10.1007/978-0-387-77242-4B. Scholkopf y A.J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press Cambridge, MA, USA, 2001, doi: https://mitpress.mit.edu/books/learning-kernelsG. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895B. Scholkopf y A.J. Smola, Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond, MIT Press Cambridge, MA, USA, 2001, doi: https://mitpress.mit.edu/books/learning-kernelsG. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27, 2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895G. Betancourt, “Las máquinas de soporte vectorial (SVMs)”, Scientia et Technica, vol. 1, no. 27,2005, doi: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199C.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199D. Meyer, “Support Vector Machines”, R-News, vol. 1, no. 3, pp. 23-26, September 2001, doi:https://cran.r-project.org/doc/Rnews/Rnews_2001-3.pdfC.C. Chang y C.J. Lin, “LIBSVM: a library for support vector machines”, ACM Transactions on Intelligent Systems and Technology, vol. 2, no. 27, pp. 1-27, abr. 2011, doi: https://dl.acm.org/citation.cfm?doid=1961189.1961199D. Tomar y S. Agarwal, “Twin Support Vector Machine: A review from 2007 to 2014”, Egyptian Informatics Journal, vol. 16, pp. 55-69, 2015, doi: https://doi.org/10.1016/j.eij.2014.12.003J. Tang y Y. Tian, “A multi-kernel framework with nonparallel support vector machine”,Neurocomputing, vol. 266, pp. 226-238, 2017, doi: https://doi.org/10.1016/j.neucom.2017.05.036PublicationORIGINAL9_Ecuaciones_Lorenz.docx9_Ecuaciones_Lorenz.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document371137https://repository.ucc.edu.co/bitstreams/bf18f4b0-d76d-4d38-a0a8-ad3a24e683a7/downloada889af4439a8758e24a802e4aa175e5fMD519_Ecuaciones_Lorenz.epub9_Ecuaciones_Lorenz.epubapplication/octet-stream1605176https://repository.ucc.edu.co/bitstreams/805c1359-29ad-43c0-a1ee-097a91836054/download817ed26f48a84bc5c6e5a76a26b8dcfcMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/73dca4f6-123a-45d4-ab9f-489d9d294bb4/download3bce4f7ab09dfc588f126e1e36e98a45MD53TEXT9_Ecuaciones_Lorenz.docx.txt9_Ecuaciones_Lorenz.docx.txtExtracted texttext/plain39830https://repository.ucc.edu.co/bitstreams/b30d8e06-bc3d-41bf-8a4b-6cc6f766e402/download2594cf9255256d3beff1230f1d9f83a0MD5420.500.12494/35966oai:repository.ucc.edu.co:20.500.12494/359662024-08-10 17:44:42.95restrictedhttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.com

Identificación del comportamiento caótico de las ecuaciones de Lorenz empleando máquinas de soporte vectorial

Publicaciones similares