Information Dynamics: Foundations and Applications [Englisch] [Gebundene Ausgabe]

al  analysis  attractor  based  between  case  chaotic  chapter  components  correlations  corresponding  data  defined  density  dependencies  different  dimension  distribution  due  dynamical  dynamics  embedding  entropy  eq  equation  et  evolution  example  exponent  fact  fig  figure  first  flow  function  gaussian  given  hypothesis  information  input  learning  let  linear  lyapunov  map  markov  means  measure  method  model  modeling  mutual  network  neural  neurons  noise  nonlinear  number  observed  order  original  output  parameters  parametric  partition  past  patterns  point  present  principle  probability  problem  process  results  section  see  series  set  shows  signal  spikes  spiking  statistical  steps  stochastic  structure  surrogate  system  term  test  therefore  time  training  two  underlying  use  used  value  variable  vector