不做回归估计非线性回归误差

彼得森，神经计算6509（1994）。[3] 池田，选择。公社。30, 257 (1979).[4] E.N.洛伦兹，J.阿莫斯。Sci。20, 130 (1963).[5] 这是B.D.里普利博士向我们提出的建议。[6] M.H\'enon，公社。数学菲斯。50, 69 (1976).[7] P.Grassberger和I.Procaccia，Physica D 9，189（1983）。[8] W.A.Brock等人，“基于关联维度的独立性测试”，威斯康星大学技术报告（1988年）。[9] R.Savit和M.Green，Physica D 50,95（1991）。[10] H.Abarbanel等人，修订版。摩登派青年菲斯。65, 1331 (1993).[11] A.N.科尔莫戈罗夫，多克尔。阿卡德。恶心。苏联98527（1959年）。[12] A.M.弗雷泽，IEEE Trans。信息。理论IT-35245（1989）。图1:Pd(|~δ） 作为δ在固定时间的函数 = H’enon图为0.108[xt=1-1.4xt-1+0.3xt-2] N=3000个数据点。图2:x-y相空间中的池田地图。将标准偏差σr=0.0（A）、0.01（b）、0.02（c）和0.03（d）的高斯噪声项迭代添加到XT分量。图3:P() 对 对于高斯分数噪声σr/σ=0.0424的池田地图。符号是根据数据计算的值。（a） 。P() 基于使用xt-1作为解释变量。这条线是式（12）中的解析表达式，σr=0.71。（b） 。P() 基于使用{xt-1，yt-1} 作为解释变量。这条线是式（12）中的解析表达式，σr=0.045。图4:Lorenzxtdata的剩余方差与时滞变量的数量。