复杂性 复杂性 1099 - 0526<我年代年代npub-type="ppub"> 1076 - 2787 Hindawi 10.1155 / 2020/7169597 7169597 研究文章 在搜索的混乱和认知语言学习系统的复杂性 Gaofei 1 https://orcid.org/0000 - 0002 - 2032 - 2707 穆克吉 萨彦岭 2 1 外语学院的 邵阳大学 422000年邵阳 中国 hnsyu.net 2 数学系 Sivanath Sastri大学 加尔各答 印度 2020年 30. 9 2020年 2020年 1 7 2020年 7 8 2020年 14 8 2020年 30. 9 2020年 2020年 版权©2020 Gaofei罗和萨彦岭穆克吉。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

在本文中,我们研究一个已知的长期动态cognitive-based语言学习系统在系统参数的变化。稳定的平衡分进行了研究。混乱时期根是通过分岔分析调查。李雅普诺夫分析来验证执行的复杂的动态系统。存在的混乱是证实了0 - 1测试。噪音性认知现象,提出了在电源噪声的影响。混乱和nonchaotic噪音性系统的动力学研究。此外,障碍以及复杂性,调查的系统使用加权递归的概念。整个分析可以有效的了解认知语言学习的动力特性和非线性结构模型。

1。介绍

人类语言表达的是一个复杂的通信系统由音素、单词,短语,句子,诗歌,和出版物 1- - - - - - 4]。语法本身就是一个内部计算系统,用于表示一个句子在语言学习过程中( 5- - - - - - 7]。人们在潜意识中存储这个内部语法和自发探索开发语言行为。语言随着时间的变化,因此动力学是一个明显的财产。小的变化与不同的语言语言数据积累和交互学习系统可以产生不可预知的复杂动力学( 1, 8, 9]。作为数据积累及其利用率取决于人类思维,复杂动力学的行为是一种有效的工具来研究cognitive-based语言学习(CBLL)系统( 10- - - - - - 12]。在[ 9),它已经建立了混沌动力学CBLL系统存在。然而,它并不包含“忘记”属性的认知发展( 9]。在这篇文章中,确定性和噪音性混乱的存在 13- - - - - - 19在一个已知的CBLL系统第一次调查。此外,各自的动力学研究的复杂性不是探索。

混乱可以验证通过测量指数的相空间轨迹之间的分歧 14]。李雅普诺夫指数(LE)是一种强大的工具,可以测量指数发散正确( 20., 21]。另一种测量0 - 1试验方法( 22, 23)也提出,可以成功地描述常规以及系统的混沌行为( 22, 23]。此外,它适用于确定性和噪音性系统[ 24]。相空间的不变特征可以通过测量相应的系统的复杂性特征( 15]。它可以识别障碍的相空间轨迹利用香农熵的概念( 25]。几个熵措施提出了量化的复杂性( 26- - - - - - 37]。Recurrence-based熵是一种有效的措施,可以应用于任何空间系统( 38, 39]。然而,它并不与适当的动力学系统的由于不正确的阈值的选择 39]。为了克服这种情况,一个新的熵度量提出了基于加权递归图( 40]。

这手稿组织如下。节 2认知语言学习系统被认为是由原理图和说明。复杂的动力学研究CBLL和噪音性系统的部分 3所示。1和 3所示。2,分别。节 3所示。1平衡点和相应的稳定都确定,和multiperiodicity和混乱是调查分岔分析,李雅普诺夫研究,0 - 1试验方法。节 3所示。2,提出了一种噪音性CBLL现象和所描述的一个示意图表示。此外,混乱的噪音性CBLL也调查数字0 - 1试验方法在相同的部分。相应的相空间行为也追究CBLL及其噪音性系统部分 3所示。1和 3所示。2,分别。部分 4讨论了使用加权递归式的复杂系统熵分析。部分 5是结论。

<年代ec id="sec2"> 2。Cognition-Based语言学习的数学模型(CBLL)现象

我们考虑一个认知语言增长模式提出了( 9]。在这个模型中,语言是受约束的增长遗忘或丢失的人类大脑的能力。图中给出了原理图 1CBLL模型来描述。