Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > nlin > arXiv:0909.4513

帮助 | 高级搜索

非线性科学 > 混沌动力学

arXiv:0909.4513 (nlin)
[提交于 2009年9月24日 (v1) ,最后修订 2010年2月10日 (此版本, v2)]

标题: 混沌哈密顿系统再审视:生存概率

标题: Chaotic Hamiltonian systems revisited: Survival probability

Authors:V.A. Avetisov, S.K. Nechaev
摘要: 我们考虑由保面积标准映射描述的动力系统。 已知对于这个系统,$P(t)$,即在相空间某个给定区域中在时间$t$保持的回归次数的归一化数值(所谓“存活概率”)具有幂律渐进行为,$P(t)\sim t^{-\nu}$。 我们提出了新的半经验论据,使我们能够将混沌边界附近的动力系统映射到树状空间边界上的有效“超度规扩散”,该空间的转移速率具有层次结构。 在我们的方法框架内,我们将指数$\nu$估计为$\nu=\ln 2/\ln (1+r_g)\approx 1.44$,其中$r_g=(\sqrt{5}-1)/2$是临界旋转数。
摘要: We consider the dynamical system described by the area--preserving standard mapping. It is known for this system that $P(t)$, the normalized number of recurrences staying in some given domain of the phase space at time $t$ (so-clled "survival probability") has the power--law asymptotics, $P(t)\sim t^{-\nu}$. We present new semi--phenomenological arguments which enable us to map the dynamical system near the chaos border onto the effective "ultrametric diffusion" on the boundary of a tree--like space with hierarchically organized transition rates. In the frameworks of our approach we have estimated the exponent $\nu$ as $\nu=\ln 2/\ln (1+r_g)\approx 1.44$, where $r_g=(\sqrt{5}-1)/2$ is the critical rotation number.
评论: 7页,3图:一些观点明确化,参考文献已添加
主题: 混沌动力学 (nlin.CD) ; 无序系统与神经网络 (cond-mat.dis-nn)
引用方式: arXiv:0909.4513 [nlin.CD]
  (或者 arXiv:0909.4513v2 [nlin.CD] 对于此版本)
  https://doi.org/10.48550/arXiv.0909.4513
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1103/PhysRevE.81.046211
链接到相关资源的 DOI

提交历史

来自: Sergei Nechaev [查看电子邮件]
[v1] 星期四, 2009 年 9 月 24 日 18:27:58 UTC (81 KB)
[v2] 星期三, 2010 年 2 月 10 日 08:11:03 UTC (180 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
nlin.CD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2009-09
切换浏览方式为:
cond-mat
cond-mat.dis-nn
nlin

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号