Resumen

Las ecuaciones que rigen la dinámica no lineal de sistemas complejos suelen ser desconocidas, y se utilizan métodos indirectos para reconstruir sus variedades. A su vez, estos métodos dependen de parámetros de incrustación que requieren otros métodos y secuencias temporales largas para ser precisos. En este artículo, mostramos que una reconstrucción óptima se puede lograr mediante la compresión sin pérdida de la evolución temporal de los sistemas, proporcionando un análisis autoconsistente de su dinámica y una medida de su complejidad, incluso para secuencias cortas. Nuestra medida de complejidad detecta cambios en el estado de los sistemas, como fenómenos de sincronización débil, que caracterizan muchos sistemas, en un solo paso, integrando resultados del análisis de Lyapunov y fractales.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Ecuaciones; Dinámica no lineal; Sistemas complejos; Reconstrucción; Compresión; Complejidad
• Keywords:Equations; Nonlinear dynamics; Complex systems; Reconstruction; Compression; Complexity