Comparison of Feedforward and Recurrent Neural Network in Forecasting Chaotic Dynamical System

Yapay sinir ağları global fonksiyon tahmininde genel olarak kabul görmüş
başarılı bir araçtır. Bu nedenle, kaotik zaman serisi tahmininde şarılı bir
yaklaşım olarak bir çok çalışmanın konusu olmuşlardır. Verilen bir zaman serisi
için, Lyapunov üsteli, verilen serinin kaotik olup olmadığını karakterize
etmekte iyi bir parametredir. Bu çalışmada,&nbsp
üç değişik yapay sinir ağı mimarisini, değişik dinamik sistemlerden
türetilmiş zaman serilerini tahmin etmede kullandık. Zaman serilerinin tahminine
ek olarak, çalışılan sistemlerin Lyapunov üstellerini tek gizli katmanlı
ileribeslemelisinir ağı kullanarak tahmin ettik.

Artificial neural networks are commonly
accepted as a very successful tool for global function approximation. Because
of this reason, they are considered as a good approach to forecasting chaotic
time series in many studies. For a given time series, the Lyapunov exponent is
a good parameter to characterize the series as chaotic or not. In this study,
we use three different neural network architectures to test capabilities of the
neural network in forecasting time series generated from different dynamical systems.
In addition to forecasting time series, using the feedforward neural network
with single hidden layer, Lyapunov exponents of the studied systems are
forecasted.