Matlab : 降维

x_t = F(x_{t-1}) 是一个在混沌状态下的离散时间单一动力系统。

从初始条件 x_0 开始,我们可以生成一个时间序列 x_t,其中 t =1,2,...,T 表示时间索引。
如果 x_t 大于 c,则 s_t = 1,否则 s_t = 0,其中 c 是一维映射的均值。因此,映射 F 的每次迭代都会产生一个新符号。将0和1的序列放入符号向量中,我们得到 {s} = s_0s_1s_2....

现在,假设我们有一个三维系统,设 d=3。设第一坐标称为 x,第二坐标为 y,第三坐标为 z,形成多维系统 (x,y,z)。我的问题是如何获得这种情况下的符号动力学?

示例:

          x = 0.1, 0.45, 0.6,....,          y = 0,   0.1, 0.45, 0.6,.....          z = 0,    0,   0.1, 0.45,...

每个维度是否会有符号序列,还是会为点 (x,y,z) 分配一个符号?一个解释将非常有助于澄清概念并进行编程。使用任何其他现有技术分配符号的解决方案也将是有用的。


回答:

在通信中,每个点会得到一个符号。

在你的情况下,你有一个维度中的两个 1 bit 符号,每个符号有一个坐标。

但没有什么能阻止你在一个维度中拥有2位符号,比如:

X=[ -c -c/3 c/3 c ]

你通过选择最接近的坐标来绘制决策边界。

[ x<-2c/3, -2c/3<x<0, 0<x<2c/3, 2c/3<x]

同样的原则适用于多维问题,即对于两个维度和两个位的符号,你可以这样分配:

   (-c -c ) == 00   (-c  c ) == 01   ( c -c ) == 10   ( c  c ) == 11

请注意,你需要至少 2 bit 符号来理解这一点,否则你可以将其投影到一维。

现在是棘手的部分:只有当你的维度之间没有相关性时,你才能利用边界上的独立性

由通道(或噪声)引入的相关性意味着决策边界

[ x<0 y<0, x<0 y>0, x>0 y<0, x>0 y>0 ]

不会是最优的。

另一方面,如果你可以假设维度独立性,很容易看出一个好的符号分配(如我所做的),可以轻松实现你所说的 每个维度的符号序列

{s}={ s_0, s_1, ... }{s}={ deco(X_0), deco(Y_0), deco(X_1), deco(Y_1) ... }

其中

deco(x){ return( x > 0) }

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注