Analytic proof of multivariate stable local large deviations and application to deterministic dynamical systems
给出了独立同分布局部大偏差的一个简短的解析证明。多变量$α$域中的随机变量-稳定律,$α\in(0,1)\cup(1,2]$。我们的方法同时涵盖晶格和非晶格分布(及其混合物),绕过非周期性的考虑。该证明也适用于动态设置。
2022-02-14 math.DS math.PR
Stable large deviations for deterministic dynamical systems
本文研究确定性动力系统中的稳定大偏差,证明了处于α-稳定律吸引域的一类相依随机变量(含Gibbs-Markov映射驱动的遍历和)满足大偏差原理。
2024-06-17 math.DS math.PR
Risk averse deterministic Kalman filters for uncertain dynamical systems
Institute of Mathematics and Scientific Computing, University of Graz(格拉茨大学数学与科学计算研究所);Johann Radon Institute, Austrian Academy of Sciences(奥地利科学院约翰·拉德冯研究所)
针对含参数不确定性的动力系统,从确定性视角扩展Kalman-Bucy滤波器,提出可降低大重构误差概率的风险规避设计,推导误差界并通过数值算例对比两类估计器性能。
2025-11-14 math.DS math.OC
Deterministic Kalman filters for uncertain dynamical systems
本研究从确定性视角将 Kalman 滤波器扩展至具有不确定动力学和噪声协方差的系统,推导了以不确定性方差表示的误差界限,并通过两个示例系统的数值实现比较了估计器。
2025-05-31 math.DS math.OC math.PR
Towards a Deterministic Interpretation of Quantum Mechanics: Insights from Dynamical Systems
本文提出一个具有局域相互作用的确定性动力系统,在自由空间运动、双缝衍射和超光速势垒穿越三个典型例子中重现类量子行为,并展示向经典极限的分岔,为量子力学提供确定性替代解释。
2024-04-23 math.DS physics.class-ph quant-ph
Laws of rare events for deterministic and random dynamical systems
本文的目的是双重的。从一个方面研究了当稀有事件集中于周期点或非周期点时,可能极值律的极值指数的二分法。然后建立了随机扰动动力系统极值律的一般理论。在这两种情况下,我们还解决了罕见事件点过程的收敛。衰减的相关性对$L^1$观测将在我们的调查中发挥核心作用。
2013-02-22 math.DS math.PR
Ergodic Theorems for the Transfer Operators of Noisy Dynamical Systems
我们考虑平稳随机动力系统在紧致度量空间上演化,通过随机噪声扰动确定性动力学,根据任意概率分布添加。我们证明了这类系统的转移算子的极大遍历定理和逐点遍历遍历定理。这些结果是确定性系统的一些基本遍历定理在噪声系统中的推广。
2018-07-07 math.DS
GFINNs: GENERIC Formalism Informed Neural Networks for Deterministic and Stochastic Dynamical Systems
Brown University(布朗大学)
我们提出的GENERIC形式主义知情的神经网络(GFINNs),遵守对称退化条件的GENERIC形式主义。GFINN包括两个模块,每个模块包含两个组件。我们使用一个神经网络,其架构的设计,以满足所需的条件,每个组件建模。组件式架构设计提供了将可用物理信息利用到神经网络中的灵活方法。我们从理论上证明了GFINNs有足够的表达能力来学习基本方程,从而建立了通用逼近定理。我们证明了GFINNs的性能在三个模拟问题:气体容器交换热量和体积,热弹性双摆和Langevin动力学。在所有的例子中,GFINNs优于现有的方法,因此表现出良好的精度在确定性和随机系统的预测。
2021-08-31 cs.LG math.DS
Superdiffusive limits for deterministic fast-slow dynamical systems
我们考虑$\mathbb{R}^m\times Y$上的确定性快慢动力系统,其形式为\[ \begin{cases} x_{k+1}^{(n)} = x_k^{(n)} + n^{-1} a(x_k^{(n)}) + n^{-1/α} b(x_k^{(n)}) v(y_k)\;,\quad y_{k+1} = f(y_k)\;, \end{cases} \],其中$α\in(1,2)$。在一定的假设下,证明了$m$维过程$X_n(t)= x_{\lfloor nt \rfloor}^{(n)}$收敛于随机微分方程\[ \mathop{}\!\mathrm{d} X = a(X)\mathop{}\!\mathrm{d} t + b(X) \diamond \mathop{}\!\mathrm{d} L_α \; , \]的解,其中$L_α$是$α$ -稳定的Lévy过程,而$\diamond$表明随机积分是Marcus意义的.此外,我们表明,我们的假设是满意的间歇映射$f$的Pomeau-Manneville型。
2020-07-11 math.DS math.PR
Bounds for deterministic and stochastic dynamical systems using sum-of-squares optimization
我们描述的方法来证明在确定性动力系统和平稳的期望在随机系统的无限时间平均值的上限和下界。动态和有界量被假定为状态变量的多项式函数。该方法是计算机辅助的,使用平方和多项式制定的充分条件,可以检查半定规划。在确定性的情况下,我们寻求适用于特定的局部吸引子的紧边界。证明这样的边界的一个障碍是,它们并不全局成立;它们通常被从局部吸引区域之外开始的轨迹所破坏。我们描述了两种密切相关的克服这一障碍的方法:一种需要知道吸引区域的子集,另一种考虑相应随机系统的零噪声限制。边界的方法说明使用范德波尔振荡器。我们将吸引极限环上的确定性平均值限制在1%以内,这需要一个下限,该下限不适用于原点处的不稳定固定点。我们获得了类似的紧上界和下界随机期望的噪声幅度范围。某些类型的确定性系统我们的方法的局限性进行了讨论,以及改进的前景。
2016-06-11 math.DS math.OC
Iterated invariance principle for slowly mixing dynamical systems
我们给出了确定性动力系统迭代(增强)弱不变原理成立的充分的Gordin型准则。这种不变原理与随机积分的解释有着内在的联系。我们说明了这一点与确定性的快-慢系统的例子,我们的迭代不变原理产生收敛到一个随机微分方程。
2021-07-27 math.DS
Roots in the semiring of finite deterministic dynamical systems
本文针对有限离散时间动力系统(FDDS)构成的交换半环,提出了在结果为连通FDDS条件下执行除法与计算 $k$ 次根的多项式算法,从而高效求解 $AX^k=B$ 方程,为求解更一般的多项式方程奠定基础。
2025-02-04 cs.DM math.DS
The dichotomy spectrum for random dynamical systems and pitchfork bifurcations with additive noise
我们发展了随机动力系统的二分法谱,并证明了它在描述具有加性噪声的随机动力系统的干草叉分岔中的应用。Crauel和Flandoli之前已经证明,将噪声添加到具有确定性干草叉分叉的系统中会产生一个唯一的吸引随机不动点,并且始终具有负的李雅普诺夫指数,从而“破坏”该分叉。事实上,我们表明,在这个例子中的动力学之前和之后的基本确定性歧点是拓扑等价的。然而,在明显的悖论,我们表明,毕竟有一个定性的变化,在潜在的确定性歧点的随机动力学,其特征在于从双曲过渡到非双曲二分法谱。这种故障也表现在损失的一致吸引力,损失的实验观测的李雅普诺夫指数,并在一致连续拓扑共轭的等价性损失。
2013-10-23 math.DS
Limit and Morse Sets for Deterministic Hybrid Systems
术语“混合系统”是指在离散时间间隔经历马尔可夫扰动的连续时间动力系统。在本文中,我们发现在正确的表述下,一个混杂系统可以被看作是一个紧空间上的动力系统。这使得人们可以研究它的极限集。研究了混合系统的Morse分解,找到了非平凡Morse分解存在的一个充分条件,并研究了非平凡Morse分解的Morse集.最后,我们考虑的情况下,马尔可夫扰动是小的,表明在一个混合动力系统的轨迹与小扰动的行为类似的未扰动的动力系统。
2014-07-25 math.DS
Inverses, Powers and Cartesian products of topologically deterministic maps
证明了如果(X,T)是一个拓扑动力系统,且在Kamiski,Siemaszko和Szymaski意义下是确定的,则T^{-1}和乘积系统在此意义下不必是确定的.然而,如果乘积系统是确定的,那么T^n对所有n>0的整数都是确定的。
2010-10-11 math.DS
Integrating Port-Hamiltonian Systems with Neural Networks: From Deterministic to Stochastic Frameworks
本文提出将port-Hamiltonian系统与神经网络架构集成,构建了从确定性到随机模型的创新框架,扩展了对不确定性与复杂相互作用下动力系统的理解,并突出了pHNNs在非自治系统动力学学习与预测中的进展。
2024-03-25 math.DS math.PR
Autonomous choices among deterministic evolution-laws as source of uncertainty
我们提供了证据的极端形式的对初始条件的敏感性在一个家庭的一维自治动力系统。我们证明了某些超混沌序列是这些伪随机动力系统轨道的封闭表达式。这个家族中的每个混沌系统都表现出对初始条件的对初始条件的敏感性,它包含了在某些映射集合中演化规则的选择序列。这为在确定性混沌中的内在不确定性的基础上扩展当前的复杂行为理论提供了可能性。
2017-09-06 math-ph math.DS math.MP
Equivalence of physical and SRB measures in random dynamical systems
我们给出了一个几何证明,提供了一个新的和完全不同的角度对早期的结果Ledrappier和年轻的随机变换。证明了在较弱的条件下,随机同态的样本测度是SRB测度。由于样本测度是平稳测度的前向像的极限,因此它们可以被认为是确定性系统的物理测度的模拟。因此,我们的研究结果表明,在随机设置,希望的情况下,并不总是正确的确定性地图的物理和SRB措施的等效性。
2018-12-18 math.DS
When Artificial Parameter Evolution Gets Real: Particle Filtering for Time-Varying Parameter Estimation in Deterministic Dynamical Systems
针对确定性动力系统非平稳逆问题中演化模型未知的时变参数估计难题,提出两种基于人工参数演化思路的粒子滤波算法,可适配不同函数形式及与系统状态不同关系的时变参数估计。
2022-03-31 math.DS stat.CO stat.ME
Dynamical Behavior of a Stochastic Epidemiological Model: Stationary Distribution and Extinction of a SIRS Model with Stochastic Perturbations
本文研究了具有随机扰动的 SIRS 流行病学模型,利用基本再生数 $\mathscr{R}_0$ 证明了平稳分布的存在性,并揭示了随机效应导致疾病灭绝的场景,理论与数值模拟相互验证。
2024-04-14 math.DS
Optimizing the stable behavior of parameter-dependent dynamical systems - maximal domains of attraction, minimal absorption times
我们提出了一种方法来近似的解决方案,涉及全局稳定性的参数依赖连续时间自治动力系统的最优化问题。该方法依赖于一个近似的无限状态确定性系统的有限状态非确定性的一个马尔可夫跳过程。该方法的关键特性是它不使用任何轨迹模拟,并且参数和目标函数是简单的(并且除了线性方程组)显式关系。
2012-10-03 math.DS math.OC
Ergodicity of dynamical systems without uniqueness of orbits
Tokyo University of Science(东京科学大学)
本文针对非确定性动力系统,提出基于强后向不变性的遍历性定义,并证明经典结果及Birkhoff遍历定理的类似结论成立。
2026-09-11 math.DS
Entropy dimension for Deterministic Walks in Random Sceneries
熵维数是一个熵型量,它取$[0,1]$中的值,并对动力系统的复杂性的不同水平的中间增长率进行分类。本文考虑了Bernoulli系统无理旋转斜积的复杂性,这类模型可以看作是随机环境中的确定性游动,并证明了通过选择适当的旋转基系统,这类模型可以具有任意给定的熵维数.
2020-12-24 math.DS
Two Instances of Chaos in Deterministic and Quantum Dynamical Systems
Mathematisch–naturwissenschaftlichen Fakultät der Universität Zürich(苏黎世大学数理学院)
该论文通过两个项目,分别证明了特定条件下N维环面遍历线性自同构的稳定遍历性,以及大有限图上确定性薛定谔算子本征向量离域化的拓扑常见性,推广了相关已有结果。
2026-07-30 math.DS math.SP
Lagrangian Descriptors for Stochastic Differential Equations: A Tool for Revealing the Phase Portrait of Stochastic Dynamical Systems
本文介绍一种新的描述随机微分方程相图的方法。根据以前的工作确定性系统,我们表示相空间的拉格朗日描述符的方法的推广到随机微分方程。类似于确定性的微分方程设置,拉格朗日描述符图形化地提供了在随机动力学中产生的独特的轨迹和双曲结构,例如随机不动点及其稳定和非稳定流形。我们分析了在随机系统中,结构形成障碍的意义。我们将该方法应用到几个基准的例子中,确定性的相空间结构是很好的理解。特别是,我们将我们的方法应用到噪声鞍,随机强迫Duffing方程,和随机双涡旋模型,这是一个基准分析流体输运。
2017-05-31 math.DS
Sufficient and Necessary Criteria for Existence of Pullback Attractors for Non-compact Random Dynamical Systems
研究了由具有非自治确定性和随机强迫项的微分方程生成的非自治非紧动力系统的拉回吸引子。首先,我们引入拉回吸引子和渐近紧性的概念,这样的系统。然后证明了拉回吸引子存在的一个充分和必要条件。我们还引入了这类系统的完全轨道的概念,并利用这些特殊的解决方案来表征拉回吸引子的结构。对于含有周期确定性强迫项的随机系统,我们证明了拉回吸引子也是周期的。作为抽象理论的一个应用,我们证明了在$\R^n$上具有确定性和随机性两种外部项的反应扩散方程的唯一拉回吸引子的存在性。由于Sobolev嵌入在无界区域上不是紧的,利用解尾部的一致估计来建立解的渐近紧性。
2012-04-21 math.AP math.DS
Discrete-time dynamics, step-skew products, and pipe-flows
Department of Mathematics and Statistics, Texas Tech University(德克萨斯理工大学数学与统计系)
本文通过三种动态系统近似研究了广义ergodic动力学的规律,证明了这些系统的路径空间分布可以任意接近,重新确认了无法区分确定性或随机过程以及连续或离散时间序列的原则。
2026-03-18 math.DS
Ergodic Properties of weak Asymptotic Pseudotrajectories for Set-valued Dynamical Systems
描述诸如渐近自治微分方程或随机逼近过程等各种确定性和随机过程的渐近行为的一个成功方法是将其与适当选择的极限半流相关联。Benaïm和Schreiber(2000)定义了一类这样的随机过程,他们称之为弱渐近伪轨线,并研究了它们的遍历行为。特别是,他们证明了弱 * 极限点的经验措施与这些过程几乎肯定是不变的相关的确定性半流。Benaïm,Hofbauer and Sorin(2005)将这种方法推广到集值动力系统。我们追求的类比延伸到这些设置弱渐近伪轨线的遍历性。
2011-08-02 math.DS math.PR
Stochastic Dynamics II: Finite Random Dynamical Systems, Linear Representation, and Entropy Production
研究有限状态随机动力系统及其诱导马尔可夫链作为复杂动力学的随机模型。RDS中确定性映射的线性表示是矩阵值随机变量,其期望值对应于MC的转移阵。讨论了MC的瞬时Gibbs熵、每步Shannon-Khinchin熵和熵产生率。这三个概念作为随机动力学中的关键锚点,分别表征了系统在瞬时$t$的不确定性、每步产生的随机性以及相对于时间反演的动力学不对称性。用圈分布表示的熵产生率,在最大熵RDS中找到了一个用具有单个吸引子的确定性映射的概率表示的表达式。对于具有可逆变换的有限RDS,其MC的非负熵产生率由确定性映射的概率相对于其时间反演对偶概率的Kullback-Leibler散度上界。
2019-01-03 math.DS math.PR physics.data-an
Random Delta-Hausdorff-attractors
随机动力系统的全局随机吸引子和随机点吸引子已经研究了几十年。在这里我们引入两个中间概念:$Δ$ -吸引子的特征是吸引所有豪斯多夫维数的确定紧集至多为$Δ$,其中$Δ$是非负数,而cc-吸引子吸引所有可数紧集.我们提供了两个例子表明,一个给定的随机动力系统可以有各种不同的$Δ$ -吸引子的不同值的$Δ$。似乎这两个概念都是新的,即使在确定性动力系统的背景下。
2017-08-29 math.DS math.PR
Reconstructing a dynamical system and forecasting time series by self-consistent deep learning
Nanyang Technological University(南洋理工大学);School of Materials Science and Engineering(材料科学与工程学院)
我们引入了一个自洽的深度学习框架,该框架针对嘈杂的确定性时间序列,提供无监督过滤、状态空间重构、基础微分方程的识别和预测。没有先验信息的信号,我们嵌入的时间序列的状态空间,其中确定性的结构,即吸引子,被揭示。在假设解的轨迹演化是由一个未知的动力系统描述的情况下,我们滤除随机离群点。嵌入函数,解决方案的轨迹和动力系统的构造使用深度神经网络,分别。通过利用神经解轨迹的可微性,神经动力系统在每个时间被局部地定义,减轻了通过数值求解器传播梯度的需要。在一个被加性高斯噪声掩盖的混沌时间序列上,我们证明了所提出的框架的滤波能力和预测能力。
2021-08-04 cs.LG math.DS