.png){kind=icon}
返回
A Scalable Framework with Modified Loop-Based Multi-Initial Simulation and Numerical Algorithm for Classifying Brain-Inspired Nonlinear Dynamics with Stability Analysis
.png){kind=icon}
OA
AI
DOI：10.3390/a18120805.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
非线性动力学系统分析的主要问题是，对每个初始条件和参数配置单独进行仿真既重复又低效。这不仅增加了计算成本，也限制了在大参数空间探索中的可扩展性。为解决此问题，我们重构并扩展了计算框架，使参数和初始条件的变化能够在统一结构中自动探索。该策略在一个具有三个参数和多个耦合强度的类脑非线性动力学模型中实现。该框架通过统计分析以及基于特征值的稳定性评估（考虑系统的多个初始状态），能够对系统响应进行详细分类。这些结果揭示了周期性、发散和非发散行为之间的明显差异，并表明在所有考察条件下，耦合强度kij能在多大程度上驱动系统向稳定周期性行为转变。该方法使分析过程更简便、冗余更少，并提供了一个可扩展的工具来研究非线性动力学。除计算优势外，该框架还提供了一种通用方法，可推广至具有更多参数或更复杂网络结构的模型。
Keyword:
nonlinear dynamics
parametric analysis
dynamical regimes
stability analysis
initial condition sensitivity
期刊
IF:
2.1
论文数:
654
被引数:
5.4K
机构
引用论文
.png){kind=icon}
分享收藏From connectome to silicon: a biologically-inspired complex network of CMOS chaotic oscillators for analog brain emulation从连接组到硅基实现：一种受生物启发的CMOS混沌振荡器复杂网络用于模拟大脑仿真
PREAI
分享收藏
查看更多内容