[論文レビュー] Estimating the fractal dimension: a comparative review and open source implementations

Georoge Datseris, Inga Kottlarz+2 more|arXiv (Cornell University)|Sep 13, 2021

Chaos control and synchronization参考文献 8被引用数 2

ひとこと要約

本論文は、合成データおよび実験的実測データを用いて、相関に基づく手法とエントロピーに基づく手法に焦点を当てた、10種類のフラクタル次元推定手法の包括的で定量的な比較を提供している。合成データでは相関に基づく推定手法がエントロピーに基づく手法を上回るが、実験的データでは逆にエントロピーに基づく手法が優れている。解析的力学系が分かっている場合にはリャプノフ次元が最も正確である。すべての手法は、DynamicalSystems.jl を通じてオープンソースで実装されている。

ABSTRACT

The fractal dimension of state space sets is typically estimated via the scaling of either the generalized (Renyi) entropy or the correlation sum versus a size parameter. Motivated by the lack of quantitative and systematic comparisons of fractal dimension estimators in the literature, and also by new and improved methods for delay embedding, in this paper we provide a detailed and quantitative comparison for estimating the fractal dimension. We start with summarizing existing estimators and then perform an evaluation of these estimators, comparing their performance and precision using different data sets and taking into account the impact of features like length, noise, embedding dimension, non-stationarity, among many others. After comparing ten estimators, we conclude that for synthetic data the correlation based estimator is much better than the entropy one, while for real experimental data it seems to be the other way around. All other estimators perform worse. If the dynamic equations are known analytically, the Lyapunov dimension is always the most accurate. We furthermore discuss common pitfalls, like calculating the dimension of inappropriate data, automated ways to estimate the dimension, and provide an outlook of possible future research. All quantities discussed are implemented as performant and easy to use open source code via the software DynamicalSystems.jl.

研究の動機と目的

• さまざまなデータ状態における10種類の既存のフラクタル次元推定手法の性能と精度を体系的に比較すること。
• データの長さ、ノイズ、埋め込み次元、非定常性といった特徴が推定手法の精度に与える影響を評価すること。
• 合成データと実験的実測データにおける最も信頼性の高い推定手法を特定し、既知の力学方程式の役割を評価すること。
• すべての推定手法のオープンソースで高速な実装を提供し、再現可能性の高い研究を支援すること。
• フラクタル次元推定における一般的な落とし穴を明らかにし、今後の手法の改善を導くこと。

提案手法

• 一般化されたリーマン・エントロピーと相関和のスケーリングに基づく10種類のフラクタル次元推定手法を、サイズパラメータに関して評価した。
• 合成カオス的システムと実験的時間系列を含む多様なデータセットを用い、長さ、ノイズ、埋め込み次元の変化を制御してテストした。
• 複数回の試行におけるバイアス、分散、収束速度といった指標を用いて、定量的に性能を評価した。
• 自動推定手順を含む分析を行い、非定常性や有限データ効果に対するロバストネスを評価した。
• すべての推定手法は、再現可能性とコミュニティ利用を目的として、オープンソースソフトウェアDynamicalSystems.jlに実装された。
• 動的方程式が分かっている場合には解析的にリャプノフ次元を計算し、ゴールドスタンダードのベンチマークとして用いた。

実験結果

リサーチクエスチョン

• RQ1 解析的力学系が分かっている合成データにおいて、どのフラクタル次元推定手法が最も優れているか？
• RQ2 ノイズ、データ長、埋め込み次元は、さまざまな推定手法の精度にどのように影響するか？
• RQ3 エントロピーに基づく手法と相関に基づく手法の性能は、合成データと実験的実測データで異なるか？
• RQ4 動的方程式が分かっている場合、数値的推定手法の精度は解析的リャプノフ次元と比べてどうか？
• RQ5 フラクタル次元推定における一般的な落とし穴は何か？そしてそれらを回避するにはどうすればよいか？

主な発見

• 合成データでは、相関に基づく推定手法がエントロピーに基づく手法よりも、精度と収束性の点で一貫して優れている。
• 実験的実測データでは、ノイズや有限サンプリング効果の影響により、エントロピーに基づく手法が相関に基づく手法を上回る性能を示している。
• 解析的力学方程式が入手可能な場合、リャプノフ次元が最も正確なフラクタル次元推定値を提供する。
• 他のすべての推定手法は、それぞれのデータ環境下で最良の手法より劣っている。
• 一般的な落とし穴には、カオス的でも非定常的でもないデータに対して次元を推定すること、および短いまたはノイズの多い時間系列に対して適切でない推定手法を適用することである。
• DynamicalSystems.jl におけるオープンソース実装により、研究者が効率的かつ再現可能かつ容易にフラクタル次元推定を実行できるようになった。