ОЭММПУАвтоматика и телемеханика Automation and Remote Control

  • ISSN (Print) 0005-2310
  • ISSN (Online) 2413-9777

Экспериментальный анализ алгоритма оценивания гёльдеровой экспоненты на базе концепции ϵ-сложности непрерывных функций

Код статьи
10.31857/S0005231023040025-1
DOI
10.31857/S0005231023040025
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том / Номер выпуска 4
Страницы
19-34
Аннотация
В работе приводится описание метода оценивания гёльдеровой экспоненты на базе недавно сформулированной концепции ǫ-сложности непрерывных функций. Приведены результаты вычислительных экспериментов по оценке гёльдеровой экспоненты для гладких и фрактальных функций, а также результаты вычислительных экспериментов с траекториями дискретных детерминированных и стохастических систем.
Ключевые слова
Дата публикации
15.04.2023
Год выхода
2023
Всего подписок
0
Всего просмотров
7

Библиография

  1. 1. Павлов А.Н., Анищенко В.С. Мультифрактальный анализ сложных сигналов // Успехи физических наук. 2007. Т. 177. С. 859-876.
  2. 2. Ширяев А.Н. Основы стохастической финансовой математики. 2016. МЦНМО.
  3. 3. Савицкий А.В. Метод оценки показателя Хёрста фрактального броуновского движения // Доклады РАН. 2019. Т. 489. № 5. С. 456-460.
  4. 4. Falkoner K.J. Fractal Geometry: Mathematical foundations and Applications. Wiley, 2003.
  5. 5. Ming L., Vitanyi P. An Introduction to Kolmogorov Complexity and Its Applications (англ.). 2nd ed. Springer, 1997.
  6. 6. Piryatinska A., Darkhovsky B., Kaplan A. Binary classification of multichannel-EEG records based on the ǫ-complexity of continuous vector functions // Comput. Method. Program. Biomedicin. 2017. V. 152, P. 131-139.
  7. 7. Piryatinska A., Darkhovsky B. Retrospective change-points detection for multidimensional time series of arbitrary nature: Model-free technology based on the ǫ-complexity theory // Entropy. 2021. V. 23. No. 12. P. 1626.
  8. 8. Дарховский Б.С. Оценка показателя Гёльдера на основе концепции ǫ-сложности непрерывных функций // Математические заметки. 2022. Т. 111. Вып. 4. С. 620-623.]
  9. 9. Dahan A., Dubnov Y.A., Popkov A.Y. et al. Brief Report: Classification of Autistic Traits According to Brain Activity Recoded by fNIRS Using ǫ-Complexity Coefficients // J. Autism Dev Disord. 2020. Vol. 51. Iss. 9. P. 3380-3390.
  10. 10. Дарховский Б.С. О сложности и размерности непрерывных конечномерных отображений // Теория вероятностей и ее применения. 2020. Т. 65. Вып. 3. С. 479-497.
  11. 11. Колмогоров А.Н. Комбинаторные основания теории информации и исчисления вероятностей // Успехи математических наук. 1983. Т. 38. № 4. С. 27-36.
  12. 12. Ито К., Маккин Г. Диффузионные процессы и их траектории. М.: Мир, 1968.
  13. 13. M¨orters P., Peres V. Brownian Motion. Cambridge University Press, 2010.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека