Intermittent maps of the interval are simple and widely-studied models for chaos with slow mixing rates, but have been notoriously resistant to numerical study. In this paper we present an effective framework to compute many ergodic properties of these systems, in particular invariant measures and mean return times. The framework combines three ingredients that each harness the smooth structure of these systems' induced maps: Abel functions to compute the action of the induced maps, Euler-Maclaurin summation to compute the pointwise action of their transfer operators, and Chebyshev Galerkin discretisations to compute the spectral data of the transfer operators. The combination of these techniques allows one to obtain exponential convergence of estimates for polynomially growing computational outlay, independent of the order of the map's neutral fixed point. This enables numerical exploration of intermittent dynamics in all parameter regimes, including in the infinite ergodic regime.


翻译:间隔期间的断断图是简单和广泛研究的混乱模式,混合率缓慢,但一直受到臭名昭著的阻力,无法进行数字研究。在本文中,我们提出了一个有效框架,用以计算这些系统的许多电子特性,特别是变异测量和平均返回时间。这个框架结合了三个要素,每个要素都利用这些系统引出地图的平稳结构:Abel函数,用来计算引出地图的动作;Euler-Maclaurin参数,用来计算其传输操作员的点性动作;Chebyshev Galerkin 离散,用来计算传输操作员的光谱数据。这些技术的结合使得一个人能够获得多球形增长计算外缘的指数性汇总估计数,这与地图的中性固定点的顺序无关。这使得可以对所有参数系统中的间歇动态进行数字探索,包括在无限的ergodic 系统中。

0
下载
关闭预览

相关内容

专知会员服务
41+阅读 · 2021年4月2日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
【MIT经典书】统计学习与序列预测,261页pdf
专知会员服务
75+阅读 · 2020年11月17日
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
专知会员服务
158+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
168+阅读 · 2019年10月11日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
ICML2019机器学习顶会接受论文列表!
专知
10+阅读 · 2019年5月12日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
13+阅读 · 2021年5月25日
Arxiv
18+阅读 · 2021年3月16日
VIP会员
相关VIP内容
专知会员服务
41+阅读 · 2021年4月2日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
【MIT经典书】统计学习与序列预测,261页pdf
专知会员服务
75+阅读 · 2020年11月17日
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
专知会员服务
158+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
168+阅读 · 2019年10月11日
相关资讯
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
ICML2019机器学习顶会接受论文列表!
专知
10+阅读 · 2019年5月12日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员