[论文解读] Non-deterministic chaos

David Dixon|ArXiv.org|Aug 3, 1993

Neural Networks and Applications参考文献 1被引用 6

一句话总结

本文引入了“非确定性混沌”——一类低维动力系统，其特征是存在可数的‘敏感决策点’（SDPs），在这些点上，微小扰动（如热噪声）会随机决定轨迹结果。作者提出了一套统计框架来分析此类系统，证明在SDP附近的动力学表现出概率性跃迁，尽管其底层方程是确定性的。

ABSTRACT

Non-deterministic chaos is a form of low-dimensional dynamics which is characterized by the existence of a countable set of {\em sensitive decision points} (SDP's). Away from these points, the dynamics is well-behaved. Near these points, however, perturbations (e.g., thermal noise) may cause the outgoing trajectory to be chosen randomly. An example of a non-deterministic chaotic system is given, and a statistical method of analyzing the resultant dynamics is developed.

研究动机与目标

• 将一类新的动力系统形式化，其中混沌并非源于确定性敏感性，而是源于离散点处的概率分支。
• 解决建模问题：在特定点处微小扰动导致不可预测的随机轨迹选择。
• 开发一种统计方法论，用于分析在敏感决策点（SDPs）附近具有非确定性行为的系统。
• 提供一个非确定性混沌系统的具体实例，以验证理论框架。
• 通过一种新型的决策点诱导随机机制，弥合低维系统中确定性动力学与随机行为之间的鸿沟。

提出的方法

• 将‘敏感决策点’（SDPs）识别并定义为相空间中孤立的点，在这些点上，系统的未来轨迹变为概率性决定。
• 在远离SDPs时将动力学建模为确定性，但在这些点处由于外部扰动（如热噪声）引入随机性。
• 运用统计力学原理描述每个SDP后输出轨迹的概率分布。
• 构建一个具明确SDPs的一维映射，作为非确定性混沌的最小模型。
• 应用统计分析框架计算跃迁概率和长期行为统计量。
• 通过证明系统在SDPs之间具有确定性演化但表现出类似混沌的统计特性，验证模型。

实验结果

研究问题

• RQ1 确定性动力系统是否能通过在孤立点处的概率分支而非连续敏感性，表现出混沌行为？
• RQ2 如热噪声等扰动如何影响低维系统中敏感决策点（SDPs）处的轨迹选择？
• RQ3 可使用何种统计框架分析在离散点处具有非确定性跃迁的系统？
• RQ4 具有可数无穷多个SDPs且其余部分为确定性演化的系统是否表现出类似于确定性混沌的特性？
• RQ5 能否构建一个简单且可分析的模型，以展示具有可测量统计结果的非确定性混沌？

主要发现

• 该系统通过在可数无穷多个敏感决策点（SDPs）处的随机轨迹选择表现出非确定性混沌，尽管其动力学整体上是确定性的。
• 如热噪声等扰动使系统在SDPs处以非零概率在多个可能的输出轨迹中进行选择，从而引入随机性。
• 统计分析框架成功捕捉了系统的长期行为，显示出在概率跃迁下类似遍历的特性。
• 该模型表明，低维系统即使缺乏传统意义上的初始条件对敏感性，也能表现出类似混沌的统计行为。
• SDPs的存在导致在离散点处可预测性崩溃，即使底层方程完全确定。
• 该系统的动力学特征表现为轨迹上的概率分布，其按随机映射演化，从而在个体不可预测的前提下实现统计预测。