TY  - THES
A1  - Rosenblum, Michael
T1  - Phase synchronization of chaotic systems : from theory to experimental applications
N2  - In einem klassischen Kontext bedeutet Synchronisierung die Anpassung der Rhythmen von selbst-erregten periodischen Oszillatoren aufgrund ihrer schwachen Wechselwirkung.  Der Begriff der Synchronisierung geht auf den berühmten niederläandischen Wissenschaftler Christiaan Huygens im 17. Jahrhundert zurück, der über seine Beobachtungen mit Pendeluhren berichtete. Wenn zwei solche Uhren auf der selben Unterlage plaziert wurden, schwangen ihre Pendel in perfekter Übereinstimmung.  Mathematisch bedeutet das, daß infolge der Kopplung, die Uhren mit gleichen Frequenzen und engverwandten Phasen zu oszillieren begannen.  Als wahrscheinlich ältester beobachteter nichtlinearer Effekt wurde die Synchronisierung erst nach den Arbeiten von E. V. Appleton und B. Van der Pol gegen 1920 verstanden, die die Synchronisierung in Triodengeneratoren systematisch untersucht haben. Seitdem wurde die Theorie gut entwickelt, und hat viele Anwendungen gefunden.   Heutzutage weiss man, dass bestimmte, sogar ziemlich einfache, Systeme, ein chaotisches Verhalten ausüben können. Dies bedeutet, dass ihre Rhythmen unregelmäßig sind und nicht durch nur eine einzige Frequenz charakterisiert werden können.  Wie in der Habilitationsarbeit gezeigt wurde, kann man jedoch den Begriff der Phase und damit auch der Synchronisierung auf chaotische Systeme ausweiten. Wegen ihrer sehr schwachen Wechselwirkung treten Beziehungen zwischen den Phasen und den gemittelten Frequenzen auf und führen damit zur Übereinstimmung der immer noch unregelmäßigen Rhythmen. Dieser Effekt, sogenannter Phasensynchronisierung, konnte später in Laborexperimenten anderer wissenschaftlicher Gruppen bestätigt werden.   Das Verständnis der Synchronisierung unregelmäßiger Oszillatoren erlaubte es uns, wichtige Probleme der Datenanalyse zu untersuchen.  Ein Hauptbeispiel ist das Problem der Identifikation schwacher Wechselwirkungen zwischen Systemen, die nur eine passive Messung erlauben. Diese Situation trifft häufig in lebenden Systemen auf, wo Synchronisierungsphänomene auf jedem Niveau erscheinen - auf der Ebene von Zellen bis hin zu makroskopischen physiologischen Systemen; in normalen Zuständen und auch in Zuständen ernster Pathologie.  Mit unseren Methoden konnten wir eine Anpassung in den Rhythmen von Herz-Kreislauf und Atmungssystem in Menschen feststellen, wobei der Grad ihrer Interaktion mit der Reifung zunimmt. Weiterhin haben wir unsere Algorithmen benutzt, um die Gehirnaktivität von an Parkinson Erkrankten zu analysieren. Die Ergebnisse dieser Kollaboration mit Neurowissenschaftlern zeigen, dass sich verschiedene Gehirnbereiche genau vor Beginn des pathologischen Zitterns synchronisieren. Außerdem gelang es uns, die für das Zittern verantwortliche Gehirnregion zu lokalisieren.
N2  - In a classical context, synchronization means adjustment of rhythms of self-sustained periodic oscillators due to their weak interaction. The history of synchronization goes back to the 17th century when the famous Dutch scientist Christiaan Huygens reported on his observation of synchronization of pendulum clocks: when two such clocks were put on a common support, their pendula moved in a perfect agreement. In rigorous terms, it means that due to coupling the clocks started to oscillate with identical frequencies and tightly related phases. Being, probably, the oldest scientifically studied nonlinear effect, synchronization was understood only in 1920-ies when E. V. Appleton and B. Van der Pol systematically - theoretically and experimentally - studied synchronization of triode generators. Since that the theory was well developed and found many applications.  Nowadays it is well-known that certain systems, even rather simple ones, can exhibit chaotic behaviour. It means that their rhythms are irregular, and cannot be characterized only by one frequency. However, as is shown in the Habilitation work, one can extend the notion of phase for systems of this class as well and observe their synchronization, i.e., agreement of their (still irregular!) rhythms: due to very weak interaction there appear relations between the phases and average frequencies. This effect, called phase synchronization, was later confirmed in laboratory experiments of other scientific groups.  Understanding of synchronization of irregular oscillators allowed us to address important problem of data analysis: how to reveal weak interaction between the systems if we cannot influence them, but can only passively observe, measuring some signals. This situation is very often encountered in biology, where synchronization phenomena appear on every level - from cells to macroscopic physiological systems; in normal states as well as in severe pathologies. With our methods we found that cardiovascular and respiratory systems in humans can adjust their rhythms; the strength of their interaction increases with maturation. Next, we used our algorithms to analyse brain activity of Parkinsonian patients. The results of this collaborative work with neuroscientists show that different brain areas synchronize just before the onset of pathological tremor. Morevoever, we succeeded in localization of brain areas responsible for tremor generation.
KW  - Chaotische Dynamik
KW  - Phase
KW  - Synchronization
KW  - Datenanalyse
KW  - Chaotic dynamics
KW  - phase
KW  - synchronization
KW  - data analysis
Y1  - 2003
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0000682
ER  - 
TY  - THES
A1  - Romano Blasco, M. Carmen
T1  - Synchronization analysis by means of recurrences in phase space
N2  - Die tägliche Erfahrung zeigt uns, daß bei vielen physikalischen Systemen kleine Änderungen in den Anfangsbedingungen auch zu kleinen Änderungen im Verhalten des Systems führen. Wenn man z.B. das Steuerrad beim Auto fahren nur ein wenig zur Seite dreht, unterscheidet sich die Richtung des Wagens auch nur wenig von der ursprünglichen Richtung. Aber es gibt auch Situationen, für die das Gegenteil dieser Regel zutrifft. Die Folge von Kopf und Zahl, die wir erhalten, wenn wir eine Münze werfen, zeigt ein irreguläres oder chaotisches Zeitverhalten, da winzig kleine Änderungen in den Anfangsbedingungen, die z.B. durch leichte Drehung der Hand hervorgebracht werden, zu vollkommen verschiedenen Resultaten führen. In den letzten Jahren hat man sehr viele nichtlineare Systeme mit schnellen Rechnern untersucht und festgestellt, daß eine sensitive Abhängigkeit von den Anfangsbedingungen, die zu einem chaotischen Verhalten führt, keinesfalls die Ausnahme darstellt, sondern eine typische Eigenschaft vieler Systeme ist. Obwohl chaotische Systeme kleinen Änderungen in den Anfangsbedingungen gegenüber sehr empfindlich reagieren, können sie synchronisieren wenn sie durch eine gemeinsame äußere Kraft getrieben werden, oder wenn sie miteinander gekoppelt sind. Das heißt, sie vergessen ihre Anfangsbedingungen und passen ihre Rhythmen aneinander. Diese Eigenschaft chaotischer Systeme hat viele Anwendungen, wie z.B. das Design von Kommunikationsgeräte und die verschlüsselte Übertragung von Mitteilungen. Abgesehen davon, findet man Synchronisation in natürlichen Systemen, wie z.B. das Herz-Atmungssystem, raumverteilte ökologische Systeme, die Magnetoenzephalographische Aktivität von Parkinson Patienten, etc. In solchen komplexen Systemen ist es nicht trivial Synchronisation zu detektieren und zu quantifizieren. Daher ist es notwendig, besondere mathematische Methoden zu entwickeln, die diese Aufgabe erledigen. Das ist das Ziel dieser Arbeit. Basierend auf dergrundlegenden Idee von Rekurrenzen (Wiederkehr) von Trajektorien dynamischer Systeme, sind verschiedene Maße entwickelt worden, die Synchronisation in chaotischen und komplexen Systemen detektieren. Das Wiederkehr von Trajektorien erlaubt uns Vorhersagen über den zukünftigen Zustand eines Systems zu treffen. Wenn man diese Eigenschaft der Wiederkehr von zwei interagierenden Systemen vergleicht, kann man Schlüsse über ihre dynamische Anpassung oder Synchronisation ziehen. Ein wichtiger Vorteil der Rekurrenzmaße für Synchronisation ist die Robustheit gegen Rauschen und Instationariät. Das erlaubt eine Synchronisationsanalyse in Systemen durchzuführen, die bisher nicht darauf untersucht werden konnten.
N2  - This work deals with the connection between two basic phenomena in Nonlinear Dynamics: synchronization of chaotic systems and recurrences in phase space. Synchronization takes place when two or more systems adapt (synchronize) some characteristic of their respective motions, due to an interaction between the systems or to a common external forcing. The appearence of synchronized dynamics in chaotic systems is rather universal but not trivial. In some sense, the possibility that two chaotic systems synchronize is counterintuitive: chaotic systems are characterized by the sensitivity ti different initial conditions. Hence, two identical chaotic systems starting at two slightly different initial conditions evolve in a different manner, and after a certain time, they become uncorrelated. Therefore, at a first glance, it does not seem to be plausible that two chaotic systems are able to synchronize. But as we will see later, synchronization of chaotic systems has been demonstrated. On one hand it is important to investigate the conditions under which synchronization of chaotic systems occurs, and on the other hand, to develop tests for the detection of synchronization. In this work, I have concentrated on the second task for the cases of phase synchronization (PS) and generalized synchronization (GS). Several measures have been proposed so far for the detection of PS and GS. However, difficulties arise with the detection of synchronization in systems subjected to rather large amounts of noise and/or instationarities, which are common when analyzing experimental data. The new measures proposed in the course of this thesis are rather robust with respect to these effects. They hence allow to be applied to data, which have evaded synchronization analysis so far. The proposed tests for synchronization in this work are based on the fundamental property of recurrences in phase space.
T2  - Synchronization analysis by means of recurrences in phase space
KW  - Synchronisation
KW  - Wiederkehrdiagramme
KW  - Chaos
KW  - Zeitreihenanalyse
KW  - Synchronization
KW  - Recurrence Plots
KW  - Chaos
KW  - Data Analysis
Y1  - 2004
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0001756
ER  - 
TY  - THES
A1  - Montbrió i Fairen, Ernest
T1  - Synchronization in ensembles of nonisochronous oscillators
N2  - Diese Arbeit analysiert Synchronisationsphaenomene, die in grossen Ensembles von interagierenden Oszillatoren auftauchen. Im speziellen werden die Effekte von Nicht-Isochronizitaet (die Abhaengigkeit der Frequenz von der Amplitude des Oszillators) auf den makroskopischen Uebergang zur Synchronisation im Detail studiert. Die neu gefundenen Phaenomene (Anomale Synchronisation) werden sowohl in Populationen von Oszillatoren als auch zwischen Oszillator-Ensembles untersucht.
N2  - This thesis analyses synchronization phenomena occurring in large ensembles of interacting oscillatory units. In particular, the effects of nonisochronicity (frequency dependence on the oscillator's amplitude) on the macroscopic transition to synchronization are studied in detail. The new phenomena found (Anomalous Synchronization) are investigated in populations of oscillators as well as between oscillator's ensembles.
T2  - Synchronization in ensembles of nonisochronous oscillators
KW  - Synchronisation
KW  - Oszillatoren
KW  - Populationen
KW  - Anomal
KW  - Nicht-Isochronizität
KW  - Synchronization
KW  - Oscillators
KW  - Populations
KW  - Anomalous
KW  - Nonisochronicity
Y1  - 2004
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0001492
ER  - 
TY  - THES
A1  - Pereira da Silva, Tiago
T1  - Synchronization in active networks
T1  - Synchronisation in Aktiven Netzwerken
N2  - In nature one commonly finds interacting complex oscillators which by the coupling scheme form small and large networks, e.g. neural networks. Surprisingly, the oscillators can synchronize, still preserving the complex behavior. Synchronization is a fundamental phenomenon in coupled nonlinear oscillators. Synchronization can be enhanced at different levels, that is, the constraints on which the synchronization appears. Those can be in the trajectory amplitude, requiring the amplitudes of both oscillators to be equal, giving place to complete synchronization. Conversely, the constraint could also be in a function of the trajectory, e.g. the phase, giving place to phase synchronization (PS). In this case, one requires the phase difference between both oscillators to be finite for all times, while the trajectory amplitude may be uncorrelated. The study of PS has shown its relevance to important technological problems, e.g. communication, collective behavior in neural networks, pattern formation, Parkinson disease, epilepsy, as well as behavioral activities. It has been reported that it mediates processes of information transmission and collective behavior in neural and active networks and communication processes in the Human brain. In this work, we have pursed a general way to analyze the onset of PS in small and large networks. Firstly, we have analyzed many phase coordinates for compact attractors. We have shown that for a broad class of attractors the PS phenomenon is invariant under the phase definition. Our method enables to state about the existence of phase synchronization in coupled chaotic oscillators without having to measure the phase. This is done by observing the oscillators at special times, and analyzing whether this set of points is localized. We have show that this approach is fruitful to analyze the onset of phase synchronization in chaotic attractors whose phases are not well defined, as well as, in networks of non-identical spiking/bursting neurons connected by chemical synapses. Moreover, we have also related the synchronization and the information transmission through the conditional observations. In particular, we have found that inside a network clusters may appear. These can be used to transmit more than one information, which provides a multi-processing of information. Furthermore, These clusters provide a multichannel communication, that is, one can integrate a large number of neurons into a single communication system, and information can arrive simultaneously at different places of the network.
N2  - In oder Natur sind interagierende komplexe Oszillatoren, die Netzwerke bilden, häufig anzutreffen. Erstaunlich ist, dass sich diese Oszillatoren synchronisieren, ohne ihr eigenes komplexes Verhalten zu verlieren. Diese Fähigkeit zur Synchronisation ist eine wesentliche Eigenschaft von gekoppelten nichtlinearen Oszillatoren. Die Fähigkeit zur Synchronisation kann auf unterschiedliche Weise durch Eingriff in die Bedingungen, die zur Synchronisation führen, verbessert werden. Es kann sowohl eine Synchronisation der Amplituden als auch der Phasen stattfinden bzw. erzwungen werden. Insbesondere Phase Synchronisation über die Phase (PS) hat sich in den wichtigen Bereichen der Technik, Kommunikation, Soziologie und Neurologie als Modellierungsgrundlage bewiesen. Bekannte Beispiele aus der Neurologie sind Parkinson und Epilepsie. In der vorliegenden Arbeit haben wir nach einem verallgemeinerten Weg gesucht, das Phänomen der PS in Netzwerken analysieren zu können. Zuerst haben wir viele Phasendefinitionen für einfache Attraktoren (Oszillatoren mit definierten Phaseneigenschaften) untersucht und festgestellt, dass das Phänomen der PS unabhängig von der Definition der Phase ist. Als nächstes haben wir begonnen, die maximale Abweichungen abzuschätzen, bei der die Synchronisation für bei einer gegebene Phase nicht verlorengeht. Abschließend haben wir eine Methode entwickelt, mittels derer Synchronisation in chaotischen System festgestellt werden kann, ohne die Phase selbst messen zu müssen. Dazu wird zu geeigneten Zeitpunkten der Zustandsraum untersucht. Wir können zeigen, dass mittels dieser Methode in chaotisch Systemen sowohl die Grössenordnung der Synchronisation als auch die Bereiche, in denen Synchronisation stattfindet, untersucht werden können. Dabei kann festgestellt werden, dass der Grad der Synchronisation mit der Menge an Information in Beziehung steht, die an verschieden Stellen eines Netzwerks gleichzeitig übermittelt wird. Dies kann zur Modellierung der Informationsübertragung über die Synapsen im Gehirn verwendet werden.
KW  - Synchronisation
KW  - Netzwerk
KW  - Phase
KW  - Information
KW  - Synchronization
KW  - Networks
KW  - Phase
KW  - Information
Y1  - 2007
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-14347
ER  - 
TY  - THES
A1  - Zemanová, Lucia
T1  - Structure-function relationship in hierarchical model of brain networks
T1  - Das Verhältnis von Struktur und Funktion in hierarchischem Model der Hirn-Netzwerken
N2  - The mammalian brain is, with its numerous neural elements and structured complex connectivity, one of the most complex systems in nature. Recently, large-scale corticocortical connectivities, both structural and functional, have received a great deal of research attention, especially using the approach of complex networks. Here, we try to shed some light on the relationship between structural and functional connectivities by studying synchronization dynamics in a realistic anatomical network of cat cortical connectivity. We model the cortical areas by a subnetwork of interacting excitable neurons (multilevel model) and by a neural mass model (population model). With weak couplings, the multilevel model displays biologically plausible dynamics and the synchronization patterns reveal a hierarchical cluster organization in the network structure. We can identify a group of brain areas involved in multifunctional tasks by comparing the dynamical clusters to the topological communities of the network. With strong couplings of multilevel model and by using neural mass model, the dynamics are characterized by well-defined oscillations. The synchronization patterns are mainly determined by the node intensity (total input strengths of a node); the detailed network topology is of secondary importance. The biologically improved multilevel model exhibits similar dynamical patterns in the two regimes. Thus, the study of synchronization in a multilevel complex network model of cortex can provide insights into the relationship between network topology and functional organization of complex brain networks.
N2  - Das Gehirn von Säugetieren stellt mit seinen zahlreichen, hochgradig vernetzten Neuronen ein natürliches Netzwerk von immenser Komplexität dar. In der jüngsten Vergangenheit sind die großflächige kortikale Konnektivitäten, sowohl unter strukturellen wie auch funktionalen Gesichtspunkten, in den Fokus der Forschung getreten. Die Verwendung von komplexe Netzwerke spielt hierbei eine entscheidende Rolle. In der vorliegenden Dissertation versuchen wir, das Verhältnis von struktureller und funktionaler Konnektivität durch Untersuchung der Synchronisationsdynamik anhand eines realistischen Modells der Konnektivität im Kortex einer Katze näher zu beleuchten. Wir modellieren die Kortexareale durch ein Subnetzwerk interagierender, erregbarer Neuronen (multilevel model) und durch ein Modell von Neuronenensembles (population model). Bei schwacher Kopplung zeigt das multilevel model eine biologisch plausible Dynamik und die Synchronisationsmuster lassen eine hierarchische Organisation der Netzwerkstruktur erkennen. Indem wir die dynamischen Cluster mit den topologischen Einheiten des Netzwerks vergleichen, sind wir in der Lage die Hirnareale, die an der Bewältigung komplexer Aufgaben beteiligt sind, zu identifizieren. Bei starker Kopplung im multilevel model und unter Verwendung des Ensemblemodells weist die Dynamik klare Oszillationen auf. Die Synchronisationsmuster werden hauptsächlich durch die Eingangsstärke an den einzelnen Knoten bestimmt, während die genaue Netzwerktopologie zweitrangig ist. Eine Erweiterung des Modells auf andere biologisch relevante Faktoren bestätigt die vorherigen Ergebnisse. Die Untersuchung der Synchronisation in einem multilevel model des Kortex ermöglicht daher tiefere Einblicke in die Zusammenhänge zwischen Netzwerktopologie und funktionaler Organisation in komplexen Hirn-Netzwerken.
KW  - komplexe Hirnnetzwerke
KW  - Verhältnis der Struktur und Funktion
KW  - hierarchisches Model
KW  - Synchronization
KW  - complex brain networks
KW  - structur-function relationship
KW  - hierarchical model
KW  - synchronization
Y1  - 2007
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-18400
ER  - 
TY  - THES
A1  - Goldobin, Denis S.
T1  - Coherence and synchronization of noisy-driven oscillators
T1  - Kohärenz und Synchronisation verrauschter Oszillatoren
N2  - In the present dissertation paper we study problems related to synchronization phenomena in the presence of noise which unavoidably appears in real systems. One part of the work is aimed at investigation of utilizing delayed feedback to control properties of diverse chaotic dynamic and stochastic systems, with emphasis on the ones determining predisposition to synchronization. Other part deals with a constructive role of noise, i.e. its ability to synchronize identical self-sustained oscillators. First, we demonstrate that the coherence of a noisy or chaotic self-sustained oscillator can be efficiently controlled by the delayed feedback. We develop the analytical theory of this effect, considering noisy systems in the Gaussian approximation. Possible applications of the effect for the synchronization control are also discussed. Second, we consider synchrony of limit cycle systems (in other words, self-sustained oscillators) driven by identical noise. For weak noise and smooth systems we proof the purely synchronizing effect of noise. For slightly different oscillators and/or slightly nonidentical driving, synchrony becomes imperfect, and this subject is also studied. Then, with numerics we show moderate noise to be able to lead to desynchronization of some systems under certain circumstances. For neurons the last effect means “antireliability” (the “reliability” property of neurons is treated to be important from the viewpoint of information transmission functions), and we extend our investigation to neural oscillators which are not always limit cycle ones. Third, we develop a weakly nonlinear theory of the Kuramoto transition (a transition to collective synchrony) in an ensemble of globally coupled oscillators in presence of additional time-delayed coupling terms. We show that a linear delayed feedback not only controls the transition point, but effectively changes the nonlinear terms near the transition. A purely nonlinear delayed coupling does not affect the transition point, but can reduce or enhance the amplitude of collective oscillations.
N2  - In dieser Dissertation werden Synchronisationsphänomene im Vorhandensein von Rauschen studiert. Ein Ziel dieser Arbeit besteht in der Untersuchung der Anwendbarkeit verzögerter Rückkopplung zur Kontrolle von bestimmten Eigenschaften chaotischer oder stochastischer Systeme. Der andere Teil beschäftigt sich mit den konstruktiven Eigenschaften von Rauschen. Insbesondere wird die Möglichkeit, identische selbsterregte Oszillatoren zu synchronisieren untersucht. Als erstes wird gezeigt, dass Kohärenz verrauschter oder chaotischer Oszillatoren durch verzögertes Rückkoppeln kontrolliert werden kann. Es wird eine analytische Beschreibung dieses Phänomens in verrauschten Systemen entwickelt. Außerdem werden mögliche Anwendungen im Zusammenhang mit Synchronisationskontrolle vorgestellt und diskutiert. Als zweites werden Oszillatoren unter dem Einfluss von identischem Rauschen betrachtet. Für schwaches Rauschen und genügend glatte Systeme wird bewiesen, das Rauschen zu Synchronisation führt. Für leicht unterschiedliche Oszillatoren und leicht unterschiedliches Rauschen wird die Synchronisation unvollständig. Dieser Effekt wird auch untersucht. Dann wird mit Hilfe von Numerik gezeigt, dass moderates Rauschen zur Desynchronisierung von bestimmten Systemen führen kann. Dieser Effekt wird auch in neuronalen Oszillatoren untersucht, welche nicht unbedingt Grenzzyklen besitzen müssen. Im dritten Teil wird eine schwache nichtlineare Theorie des Kuramoto-Übergangs, dem Übergang zur kollektiven Synchronisation, in einem Ensemble von global gekoppelten Oszillatoren mit zusätzlichen zeitverzögerten Kopplungstermen entwickelt. Es wird gezeigt, dass lineare Rückkopplung nicht nur den Übergangspunkt bestimmt, sondern auch die nichtlinearen Terme in der Nähe des Übergangs entscheidend verändert. Eine rein nichtlineare Rückkopplung verändert den Übergang nicht, kann aber die Amplitude der kollektiven Oszillationen vergrößern oder verringern.
KW  - Rauschen
KW  - Chaos
KW  - Phasendiffusion
KW  - Neuronsreliabilität
KW  - Synchronisation
KW  - Noise
KW  - Chaos
KW  - Phase Diffusion
KW  - Reliability of Neurons
KW  - Synchronization
Y1  - 2007
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-15047
ER  - 
TY  - JOUR
A1  - Huang, Tingwen
A1  - Chen, Guanrong
A1  - Kurths, Jürgen
T1  - Synchronization of chaotic of chaotic systems with time-varying coupöing delays
JF  - Discrete and continuous dynamical systems : a journal bridging mathematics and sciences ; Series B, Mathematical modelling, analysis and computations
N2  - In this paper, we study the complete synchronization of a class of time-varying delayed coupled chaotic systems using feedback control. In terms of Linear Matrix Inequalities, a sufficient condition is obtained through using a Lyapunov-Krasovskii functional and differential equation in equalities. The conditions can be easily verified and implemented. We present two simulation examples to illustrate the effectiveness of the proposed method.
KW  - Synchronization
KW  - Chaotic System
KW  - Time-varying Delay
Y1  - 2011
U6  - https://doi.org/10.3934/dcdsb.2011.16.1071
SN  - 1531-3492
VL  - 16
IS  - 4
SP  - 1071
EP  - 1082
PB  - American Institute of Mathematical Sciences
CY  - Springfield
ER  - 
TY  - JOUR
A1  - Seemüller, Anna
A1  - Müller, E. M.
A1  - Rösler, Frank
T1  - EEG-power and -coherence changes in a unimodal and a crossmodal working memory task with visual and kinesthetic stimuli
JF  - International journal of psychophysiology
N2  - We investigated EEG-power and EEG-coherence changes in a unimodal and a crossmodal matching-to-sample working memory task with either visual or kinesthetic stimuli. Angle-shaped trajectories were used as stimuli presented either as a moving dot on a screen or as a passive movement of a haptic device. Effects were evaluated during the different phases of encoding, maintenance, and recognition. Alpha power was modulated during encoding by the stimulus modality, and in crossmodal conditions during encoding and maintenance by the expected modality of the upcoming test stimulus. These power modulations were observed over modality-specific cortex regions. Systematic changes of coherence for crossmodal compared to unimodal tasks were not observed during encoding and maintenance but only during recognition. There, coherence in the theta-band increased between electrode sites over left central and occipital cortex areas in the crossmodal compared to the unimodal conditions. The results underline the importance of modality-specific representations and processes in unimodal and crossmodal working memory tasks. Crossmodal recognition of visually and kinesthetically presented object features seems to be related to a direct interaction of somatosensory/motor and visual cortex regions by means of long-range synchronization in the theta-band and such interactions seem to take place at the beginning of the recognition phase, i.e. when crossmodal transfer is actually necessary.
KW  - Visual representations
KW  - Kinesthetic representations
KW  - Synchronization
KW  - Crossmodal matching
KW  - Haptics
Y1  - 2012
U6  - https://doi.org/10.1016/j.ijpsycho.2011.10.009
SN  - 0167-8760
VL  - 83
IS  - 1
SP  - 87
EP  - 95
PB  - Elsevier
CY  - Amsterdam
ER  - 
TY  - JOUR
A1  - Komarov, Maxim
A1  - Pikovskij, Arkadij
T1  - The Kuramoto model of coupled oscillators with a bi-harmonic coupling function
JF  - Physica : D, Nonlinear phenomena
N2  - We study synchronization in a Kuramoto model of globally coupled phase oscillators with a bi-harmonic coupling function, in the thermodynamic limit of large populations. We develop a method for an analytic solution of self-consistent equations describing uniformly rotating complex order parameters, both for single-branch (one possible state of locked oscillators) and multi-branch (two possible values of locked phases) entrainment. We show that synchronous states coexist with the neutrally linearly stable asynchronous regime. The latter has a finite life time for finite ensembles, this time grows with the ensemble size as a power law. (C) 2014 Elsevier B.V. All rights reserved.
KW  - Kuramoto model
KW  - Bi-harmonic coupling function
KW  - Multi-branch entrainment
KW  - Synchronization
Y1  - 2014
U6  - https://doi.org/10.1016/j.physd.2014.09.002
SN  - 0167-2789
SN  - 1872-8022
VL  - 289
SP  - 18
EP  - 31
PB  - Elsevier
CY  - Amsterdam
ER  - 
TY  - JOUR
A1  - Kuznetsov, Alexander P.
A1  - Turukina, Ludmila V.
A1  - Chernyshov, Nikolai Yu
A1  - Sedova, Yuliya V.
T1  - Oscillations and Synchronization in a System of Three Reactively Coupled Oscillators
JF  - International journal of bifurcation and chaos : in applied sciences and engineering
N2  - We consider a system of three interacting van der Pol oscillators with reactive coupling. Phase equations are derived, using proper order of expansion over the coupling parameter. The dynamics of the system is studied by means of the bifurcation analysis and with the method of Lyapunov exponent charts. Essential and physically meaningful features of the reactive coupling are discussed.
KW  - Synchronization
KW  - quasi-periodic oscillation
KW  - bifurcation
KW  - chaos
Y1  - 2016
U6  - https://doi.org/10.1142/S0218127416500103
SN  - 0218-1274
SN  - 1793-6551
VL  - 26
SP  - 31
EP  - 39
PB  - World Scientific
CY  - Singapore
ER  -