本文介绍了一种通过非线性动力系统中单变量时间序列来估计未知参数的技术，该技术采用两种不同的控制方法，线性反馈和自适应控制，可以即使当未知参数出现在除所给的时间序列之外的其他变量的演化方程式中时也能工作。本技术不仅确认了关于所有系统变量和参数的显式详细信息都包含在一个标量时间序列中，而且还提供了在适当条件下提取出这些信息的方法。最后，本文给出了实例并研究了噪声的影响。

Mar, 1998

研究了一种新的非局部耦合的振荡器系统，在弱耦合的情况下会出现传统的脉冲和相位不一致状态 (chimera states)，而在强耦合的情况下，则会出现新的脉冲和相位不一致状态，即多脉冲 (chimera states)，这种现象不能简单的用相位模型来解释。

Dec, 2012

耦合振子在任意图上本地驱动其相互同步的趋势，但通常会在整个图上表现出非线性行为。本文中，我们展示了这种耦合振子的非线性行为可以在某些潜在动态空间中被有效线性化。我们提出了基于监督矩阵分解的算法来学习这些潜在动态过滤器。我们的方法在同步预测任务中表现出竞争力，尽管其结构简单且可解释。

Nov, 2023

通过机械振荡器的实验，我们证明了竞争两种对立同步模式能自然产生 chimera 状态，并通过我们的数学模型发现了对称性破缺的机理，这可能在展现集体行为的系统中广泛存在。

Jan, 2013

通过使用基于数据的方法，该研究提出了 Long Short-Term Memory (LSTM) 网络来推断未观察到的（隐藏的）混沌变量的动力学，时间预测完全状态的演变并推断其稳定性。

May, 2023

本文介绍了一种时变复杂动态网络模型，并进一步研究了其同步现象，证明了几个网络同步定理。特别地，我们表明，这种时变动态网络的同步完全取决于内部耦合矩阵以及网络耦合配置矩阵的特征值和对应特征向量。

Nov, 2004

研究测试了储层计算和普遍同步检测，通过 Rössler 混沌吸引子实现时间序列中的同步和非同步序列的区分，并证明了基于 ESN 的同步检测方法具有在线检测能力，对于监测连续信号的动力学同步变化具有很好的应用前景。

Oct, 2017

本研究提出了一种分散式传感器网络方案，通过非线性耦合的动力系统的自同步，能够达到全局最优最大似然（ML）估计。

Dec, 2006

确定性混沌和完美测量之间存在等价关系，可利用机器学习来优化从轨迹数据中高效提取信息的测量过程。

Nov, 2023

该论文首次在全局耦合的 Ginzburg-Landau 振荡器系统中获得了由振幅介导的奇美拉状态，并通过简化的模型方程分析了这些状态的动力学形成原因。

Dec, 2013