[논문 리뷰] Analytical description of Recurrence Plots of white noise and chaotic processes

Marko Thiel, M. Carmen Romano외 1명|ArXiv.org|2003. 01. 22.

Chaos control and synchronization인용 수 7

한 줄 요약

이 논문은 백색 잡음 및 혼돈 시스템에 대한 재귀도표(RPs)의 분석적 기술을 제공하며, RPs 내 대각선의 분포를 상관 엔트로피와 연결하고, 혼돈 흐름에서 두 개의 별개의 스케일링 영역을 규명한다. 기존의 Grassberger-Procaccia 알고리즘과는 달리, 이는 동역학적 특성인 상관 차원, 상관 엔트로피, 상호정보량에 대한 불변 추정기(invariant estimators)를 제안하여, 계산 비용을 줄이고 노이즈에 더 강건한 전통적 방법의 대안을 제공한다.

ABSTRACT

We present an analytical description of the distribution of diagonal lines in Recurrence Plots (RPs) for white noise and chaotic systems, and find that the latter one is linked to the correlation entropy. Further we identify two scaling regions in the distribution of diagonals for oscillatory chaotic systems that are hinged to two prediction horizons and to the geometry of the attractor. These scaling regions cannot be observed with the Grassberger-Procaccia algorithm. Finally, we propose methods to estimate dynamical invariants from RPs.

연구 동기 및 목표

• 백색 잡음 및 혼돈 시스템에 대한 재귀도표(RPs) 내 대각선 분포를 분석적으로 기술하는 것.
• 대각선 분포와 리아프노프 지수 대신 상관 엔트로피 사이의 관계를 설정하는 것.
• 혼돈 흐름의 대각선 분포에서 두 개의 별개의 스케일링 영역를 식별하고, 이들이 애트랙터 기하학과 예측 수명과 관련이 있음을 밝히는 것.
• RPs를 기반으로 한 동역학적 불변량—상관 차원, 상관 엔트로피, 상호정보량—에 대한 새로운 불변 추정기(invariant estimators)를 제안하는 것.
• RP 방법이 특히 계산 효율성과 노이즈 및 노름 선택에 대한 강건성 측면에서 Grassberger-Procaccia 알고리즘보다 유리함을 보여주는 것.

제안 방법

• 백색 잡음에 대해 확률 밀도 함수의 커포리션과 독립된 점 통계를 사용하여 대각선 길이의 누적분포 $ P^{c}_{\nu}(l) $ 를 분석적으로 유도한다.
• 백색 잡음의 경우 $ P^{c}_{\nu}(l) = P_b(\nu)^l $ 임을 보이며, 이때 $ P_b(\nu) $ 는 재귀 확률이며, 균일 및 정규 분포에 대해 명시적인 표현을 유도한다.
• 재귀 행렬 $ \mathbf{R}_{i,j} = \Theta(\nu - |\vec{x}_i - \vec{x}_j|) $ 를 사용하여, $ P^{c}_{\nu}(l) $ 를 제2차 레니 엔트로피 및 상관 엔트로피와 연결함으로써 혼돈 시스템으로의 분석을 확장한다.
• 동역학적 불변량에 대한 추정기 제안: $ \hat{D}_2(\nu) $ 는 상관 차원, $ \hat{K}_2 $ 는 상관 엔트로피, $ \hat{I}_2(\tau) $ 는 상호정보량을 모두 $ P^{c}_{\nu}(l) $ 과 재귀 행렬 통계 기반으로 한다.
• 재귀 행렬을 사용하여 연관 및 주변 엔트로피를 추정하며, $ \hat{H}_2 = -\ln\left( \frac{1}{N^2} \sum_{i,j} \mathbf{R}_{i,j} \right) $ 와 $ \hat{H}_2(\tau) = -\ln\left( \frac{1}{N^2} \sum_{i,j} \mathbf{R}_{i,j} \mathbf{R}_{i+\tau,j+\tau} \right) $ 를 사용한다.
• RP 기반 추정기와 Grassberger-Procaccia 알고리즘의 추정기를 비교하여, RP 기반 추정기는 노름 선택에 덜 민감하고 다양한 노름에서 일관된 결과를 도출함을 보여준다.

실험 결과

연구 질문

• RQ1 백색 잡음 과정에 대해 재귀도표(RPs) 내 대각선 분포는 분석적으로 어떻게 행동하는가?
• RQ2 혼돈 시스템에서 RPs 내 대각선 분포와 상관 엔트로피 사이의 분석적 관계는 무엇인가?
• RQ3 왜 혼돈 흐름의 대각선 길이 분포에서 두 개의 별개의 스케일링 영역가 나타나며, 이는 어떤 동역학적 또는 기하학적 의미를 갖는가?
• RQ4 RP 기반 추정기와 Grassberger-Procaccia 알고리즘의 추정기 간에 강건성과 정확성 측면에서 어떤 차이가 있는가?
• RQ5 재귀도표는 노름 선택에 영향을 받지 않으며 노이즈에 강건한 방식으로 상관 차원, 상관 엔트로피, 상호정보량과 같은 불변 양을 추정하는 데 사용될 수 있는가?

주요 결과

• 백색 잡음의 경우, 대각선 길이의 누적분포는 $ P^{c}_{\nu}(l) = P_b(\nu)^l $ 를 따르며, $ P_b(\nu) $ 는 균일 및 정규 분포에 대해 분석적으로 유도된다.
• 혼돈 시스템에서 분포 $ P^{c}_{\nu}(l) $ 는 이전에 제안된 리아프노프 지수 대신 제2차 레니 엔트로피(상관 엔트로피)와 연결된다.
• 로그 스케일 플롯에서 $ P^{c}_{\nu}(l) $ 에서 두 개의 별개의 스케일링 영역가 나타나며, 이는 서로 다른 예측 수명과 애트랙터 기하학과 관련이 있다. 이는 Grassberger-Procaccia 알고리즘에는 존재하지 않는 특징이다.
• Rössler 애트랙터에 대해 RP 기반 상관 차원 추정기 $ \hat{D}_2(\nu) $ 는 $ 1.86 \pm 0.04 $ 를 도출하였으며, 이는 Grassberger-Procaccia 알고리즘의 결과($ 1.81 $ 에서 $ 1.89 $) 와 일치한다.
• RP 기반 상호정보량 추정기는 Grassberger-Procaccia 추정치보다 약 0.2 정도 높게 나타나지만, 곡선의 정성적 형태는 유사하다. 이 차이는 두 방법 모두 최대 노름을 사용할 경우 사라진다.
• 제안된 상관 엔트로피, 차원, 상호정보량 추정기는 RPs를 사용할 경우 노름 선택에 대해 불변이며, 반면 Grassberger-Procaccia 방법은 노름 선택에 민감하다.