Evaluating generation of chaotic time series by convolutional generative adversarial networks

要約

複雑な時系列信号を模倣した時系列を生成する畳み込みニューラルネットワークの能力と限界を理解するために、深層畳み込みネットワークで構成される生成的敵対ネットワークを訓練してカオス時系列を生成し、非線形時系列分析を使って生成された時系列を評価した。決定性の数値指標と軌道の不安定性の指標であるリアプノフ指数は、生成された時系列が元の時系列のカオス的特性をよく再現していることを示した。しかし、誤差分布分析では、無視できない程度の低い割合で大きな誤差が生じることが示された。このような誤差は、分布が指数関数的であると仮定した場合には予想されない。

要約(オリジナル)

To understand the ability and limitations of convolutional neural networks to generate time series that mimic complex temporal signals, we trained a generative adversarial network consisting of deep convolutional networks to generate chaotic time series and used nonlinear time series analysis to evaluate the generated time series. A numerical measure of determinism and the Lyapunov exponent, a measure of trajectory instability, showed that the generated time series well reproduce the chaotic properties of the original time series. However, error distribution analyses showed that large errors appeared at a low but non-negligible rate. Such errors would not be expected if the distribution were assumed to be exponential.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL