Мінімізація геометричної дії на основі нового підходу для прогнозування рідкісних та екстремальних подій у нерівноважних системах

Автори P.M. Patare1 , P.B. Khatkale2, A.A. Khatri3, P.M. Yawalkar4, V.M. Tidake5 , S.S. Ingle1 , M.V. Kulkarni6
Афіліація

1Department of Mechanical Engineering, Sanjivani College of Engineering Kopargaon, SPPU, Pune, India

2Sanjivani University, Kopargaon, MH, India

3Department of Computer Engineering, Jaihind College of Engineering, Kuran, SPPU, Pune, MH, India

4Department of Computer Engineering, MET's Institute of Engineering, Nashik, India

5Department of MBA, Sanjivani College of Engineering, Kopargaon, SPPU, Pune, India

6Engineering Science and Humanities, Sanjivani College of Engineering, Kopargaon, SPPU, Pune, India

Е-mail praveenkhatkale@gmail.com
Випуск Том 16, Рік 2024, Номер 4
Дати Одержано 15 квітня 2024; у відредагованій формі 20 серпня 2024; опубліковано online 27 серпня 2024
Цитування P.M. Patare, P.B. Khatkale, A.A. Khatri, та ін., Ж. нано- електрон. фіз. 16 № 4, 04008 (2024)
DOI https://doi.org/10.21272/jnep.16(4).04008
PACS Number(s) 07.05.Tp
Ключові слова Рідкісні та екстремальні події, Довжина інформації, Потік інформації.
Анотація

Виявлення та кількісна оцінка неочікуваних подій у нерівноважних системах є критично важливою роботою, яка необхідна системним менеджерам для прийняття обґрунтованих рішень, особливо при прогнозуванні рідкісних та екстремальних подій. У цій статті нейронні мережі об’єднані для підвищення прогнозної здатності теорії інформації. Дві методики теорії інформації, «Довжина інформації» (IL) і «Потік інформації» (IF)», вивчаються на предмет їх чутливості до швидких змін. Щоб змоделювати перше виникнення екстремальних і рідкісних подій, ми використовуємо неавтономну модель Крамера, щоб ввести збурення. ми представили довгострокову пам’ять Dynamic Osprey (DOLSTM) для передбачення рідкісних і екстремальних подій у нерівноважних системах. Наші результати показують, що IL працює краще, ніж IF, у точному прогнозуванні несподіваних подій у поєднанні з нейронною мережею. Це дослідження підкреслює нову інтеграцію між теорією інформації та нейронними мережами, що дає ефективну стратегію для прогнозування рідкісних та екстремальних подій у нерівноважних середовищах. Ефективна методологія ідентифікації та прогнозування поведінки динамічних систем створена шляхом поєднання діагностики довжини інформації з прогнозуванням нейронної мережі, особливо в ситуаціях, пов’язаних із рідкісними та екстремальними подіями. Цей новий метод показує, що теорія інформації та нейронні мережі можуть бути використані для забезпечення надійних прогнозів для динамічних систем, коли вони стикаються з рідкісними та екстремальними подіями.

Перелік цитувань