Optimierte lokale Modelle in der nichtlinearen Zeitreihenanalyse
Optimierte lokale Modelle in der nichtlinearen Zeitreihenanalyse
Optimierte lokale Modelle in der nichtlinearen Zeitreihenanalyse
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Seite 110<br />
Literaturverzeichnis<br />
[42] V.Vapnik, S.Golowich und A.Smola: Support vector method for function approximation,<br />
regression estimation, and signal process<strong>in</strong>g. In: Advances <strong>in</strong> Neural<br />
Information Process<strong>in</strong>g Systems 9, herausgegeben von M. Mozer, M. Jordan<br />
und T. Petsche, S. 281–287, MIT Press, 1997.<br />
[43] X.-J. Wang: Genesis of burst<strong>in</strong>g oscillations <strong>in</strong> the H<strong>in</strong>dmarsh-Rose model and<br />
homocl<strong>in</strong>icity to a chaotic saddle. Physica D(62), 263–274, 1996.<br />
[44] A. S. Weigend und N. A. Gershenfeld: Time Series Prediction - Forecast<strong>in</strong>g the<br />
future and un<strong>der</strong>stand<strong>in</strong>g the past. Addison-Wesley Publish<strong>in</strong>g Company, 1994.<br />
[45] J. Werner: Numerische Mathematik 1. Vieweg Studium, Wiesbaden, 1992.