معرفی الگوهای دوخطی در سری‌های زمانی: تشخیص و برآورد

آزمون سریهای زمانی مدلهای رشد درونزا

فاصله اطلاعاتی و کاربرد آن در سریهای زمانی

  In this paper a new method is introduced for studying time series of complex systems. This method is based on using the concept of entropy and Jensen-Shannon divergence. In this paper this method is applied to time series of billiard system and heart signals. By this method, we can diagnose the healthy and unhealthy heart and also chaotic billiards from non chaotic systems . The method can al...

برآورد دوره تناوب سریهای زمانی با همبستگی متناوب ‏‎(pc)‎‏

روش معمول تجزیه و تحلیل سریهای زمانی به شدت به فرض ایستایی وابسته است اما در بسیاری از فرآیندهای فیزیکی این فرض برقرار نیست. در سالهای اخیر از فرآیندهای با همبستگی متناوب ‏‎pc‎‏ جهت مدل بندی فرآیندهای فیزیکی بیشتر استفاده شده است. استفاده از این فرآیندها بدان جهت است که رفتار این فرآیندهای ناایستا بسیاری از خواص فرآیندهای ایستا را داراست . یکی از مسائل مهم در ارتباط با فرآیندهای ‏‎pc‎‏ تعیین دو...

تشخیص سریهای زمانی با استفاده از آتاماتای احتمالی

یکی از ابزارهای هوش ماشین آتاماتاهای احتمالی است.یک رویکرد برای توسعه آتاماتای احتمالی در واقع تعمیم کلاس آتاماتاها است. دراین رویکرد برحسب اینکه احتمال چگونه استفاده می شود و چه نقشی را در آتاماتا بازی می کند آتاماتا نامهای گوناگونی می یابد. و مسیر دیگر رویکردآماری است که آتاماتارا متشکل از تعدادی متغییر تصادفی در نظر می گیرد. اگر بخواهیم این دو رویکرد را کاملا از هم جدا کنیم، خروجی رویکرد اول...

تجزیه و تحلیل سریهای زمانی تصادفی به روش قطع تراز

  Level crossing is a powerful method for analyzing the random time series. In this paper by introducing this method we investigate the beta noises and represent differences between 1/f noise and white noise and also research the cardiac heart interbeat interval (RR) time series and find clear distinctions between healthy samples and samples with Congestive heart failure (CHF) disease.

تحلیل سریهای زمانی فازی

چکیده: تحلیل سری زمانی یکی از شاخه های آمار و احتمال است، که در سایر رشته های علوم مانند ژئوفیزیک، هواشناسی، اقتصاد، جغرافیا و زمین شناسی کاربرد فراوانی دارد. نادقیق بودن یا عدم قطعیت مشاهدات ممکن است تصادفی، یا در نتیجه عوامل عینی و ذهنی باشد. هر چند داده های فازی مشکل نادقیق بودن اندازه گیری صفات را بر طرف می کنند، ولی محاسبات بر پایه آنها مشکل است. زیرا هنگام کار کردن با داده های فازی به جا...