Buchumschlag

Attractor reconstruction with reservoir computers: The effect of the reservoir's conditional Lyapunov exponents on faithful attractor reconstruction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Hart, Joseph D.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Chaotic Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Storage and selection of multiple chaotic attractors in minimal reservoir computers
von: Martinuzzi, Francesco, et al.
Veröffentlicht: (2026)

Chaotic attractor reconstruction using small reservoirs -- the influence of topology
von: Jaurigue, Lina
Veröffentlicht: (2024)

Tailored minimal reservoir computing: on the bidirectional connection between nonlinearities in the reservoir and in data
von: Prosperino, Davide, et al.
Veröffentlicht: (2025)

On the attractor in a high-dimensional neural network dynamics of reservoir computing: Lyapunov analysis viewpoint
von: Kobayashi, Miki U., et al.
Veröffentlicht: (2025)

Multifunctional physical reservoir computing in soft tensegrity robots
von: Terajima, Ryo, et al.
Veröffentlicht: (2025)

Vestibular reservoir computing
von: Deb, Smita, et al.
Veröffentlicht: (2026)

Predicting two-dimensional spatiotemporal chaotic patterns with optimized high-dimensional hybrid reservoir computing
von: Nakano, Tamon, et al.
Veröffentlicht: (2025)

Signal-noise separation using unsupervised reservoir computing
von: Choi, Jaesung, et al.
Veröffentlicht: (2024)

Optimal training of finitely-sampled quantum reservoir computers for forecasting of chaotic dynamics
von: Ahmed, Osama, et al.
Veröffentlicht: (2024)

Robust quantum reservoir computers for forecasting chaotic dynamics: generalized synchronization and stability
von: Ahmed, Osama, et al.
Veröffentlicht: (2025)

Multi-functional reservoir computing
von: Du, Yao, et al.
Veröffentlicht: (2024)

Revisiting multifunctionality in reservoir computing
von: Mandal, Swarnendu, et al.
Veröffentlicht: (2025)

Dynamics of reservoir computing for crises prediction
von: Sisodia, Dishant, et al.
Veröffentlicht: (2025)

Computation of attractor dimension and maximal sums of Lyapunov exponents using polynomial optimization
von: Parker, Jeremy P, et al.
Veröffentlicht: (2025)

Stabilizing chaotic dynamical system reproduction in reservoir computing
von: Oishi, Satoshi, et al.
Veröffentlicht: (2026)

Sustaining the dynamics of Kuramoto model by adaptable reservoir computer
von: Luo, Haibo, et al.
Veröffentlicht: (2025)

Adaptive control in dynamical systems using reservoir computing
von: Mandal, Swarnendu, et al.
Veröffentlicht: (2024)

Predicting unobserved climate time series data at distant areas via spatial correlation using reservoir computing
von: Koyama, Shihori, et al.
Veröffentlicht: (2024)

Finite-time Lyaponov analysis of a trained reservoir computer
von: Sisodia, Dishant, et al.
Veröffentlicht: (2026)

Data-driven characterization of spatiotemporal chaos using ensemble reservoir computing
von: Lei, Xiaoqi, et al.
Veröffentlicht: (2026)

Fundamental performance bounds on time-series generation using reservoir computing
von: Qian, Daoyuan, et al.
Veröffentlicht: (2024)

Measuring chaos in the Lorenz and Rössler models: Fidelity tests for reservoir computing
von: Scully, James, et al.
Veröffentlicht: (2021)

Using reservoir computing to construct scarred wavefunctions
von: Domingo, L., et al.
Veröffentlicht: (2024)

Optical next generation reservoir computing
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Eulerian-Lagrangian scaling of the Lyapunov exponent in homogeneous turbulence
von: Ge, Jin, et al.
Veröffentlicht: (2025)

Improved Matlab code for Lyapunov exponents of fractional order systems
von: Danca, Marius-F.
Veröffentlicht: (2026)

High-resolution dynamic consistency analysis of photonic time-delay reservoir computer
von: Oliverio, Lucas, et al.
Veröffentlicht: (2024)

Attractor-merging Crises and Intermittency in Reservoir Computing
von: Kabayama, Tempei, et al.
Veröffentlicht: (2025)

Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

Designing Chaotic Attractors: A Semi-supervised Approach
von: Kabayama, Tempei, et al.
Veröffentlicht: (2024)

Improving the prediction of spatio-temporal chaos by combining parallel reservoir computing with dimensionality reduction
von: Fleddermann, Luk, et al.
Veröffentlicht: (2025)

A scalable generative model for dynamical system reconstruction from neuroimaging data
von: Volkmann, Eric, et al.
Veröffentlicht: (2024)

Local Lyapunov analysis via micro-ensembles: finite-time Lyapunov exponent estimation and KNN-based predictive comparison in complex-valued BAM neural networks
von: Muruganantham, Yazhini, et al.
Veröffentlicht: (2025)

Lyapunov exponents in fundamental models of nonlinear resonance
von: Shevchenko, Ivan I.
Veröffentlicht: (2024)

Exact expression for maximum Lyapunov exponent during transients in computationally powerful dynamical networks
von: Powanwe, Arthur S., et al.
Veröffentlicht: (2026)

Unifying Lyapunov exponents with probabilistic uncertainty quantification
von: Blake, Liam, et al.
Veröffentlicht: (2024)

On the relationship between Koopman operator approximations and neural ordinary differential equations for data-driven time-evolution predictions
von: Buzhardt, Jake, et al.
Veröffentlicht: (2024)

Building symmetries into data-driven manifold dynamics models for complex flows: application to two-dimensional Kolmogorov flow
von: De Jesús, Carlos E. Pérez, et al.
Veröffentlicht: (2023)

Spectral bounds on the entropy flow rate and Lyapunov exponents in differentiable dynamical systems
von: Das, Swetamber, et al.
Veröffentlicht: (2025)

Emergence of Multi-Scroll Attractors
von: Patra, Tanmayee, et al.
Veröffentlicht: (2025)