]> AND Private Git Repository - chaos1.git/blob - main.tex
Logo AND Algorithmique Numérique Distribuée

Private GIT Repository
0ce8df055c645140ec18bcc3e3343b0188ab037c
[chaos1.git] / main.tex
1 % ****** Start of file chaos-paper.tex ******
2 %
3 \documentclass[%
4 aip,
5 cha,% long, 
6 numerical bibliography, %(default)
7 %jcp,% short, numerical bibliography, 
8 %jmp,
9 amsmath,amssymb,
10 preprint,%
11 %reprint,%
12 %author-year,%
13 %author-numerical,%
14 ]{revtex4-1}
15
16 \usepackage{graphicx}% Include figure files
17 \usepackage{dcolumn}% Align table columns on decimal point
18 \usepackage{bm}% bold math
19 \usepackage{color}
20 \usepackage{ulem}
21 \usepackage[mathlines]{lineno}% Enable numbering of text and display math
22 \linenumbers\relax % Commence numbering lines
23 % The amssymb package provides various useful mathematical symbols
24 \usepackage{amssymb}
25 % The amsthm package provides various useful mathematical fonts
26 \usepackage{amsfonts}
27 % Various mathematical packages
28 \PassOptionsToPackage{cmex10draft}{graphics}
29 \usepackage[standard]{ntheorem}
30 % Various packages
31 \usepackage{stmaryrd} % llbracket
32 \usepackage{dsfont}   % mathds
33 \usepackage{multirow} % tables
34
35 \newcommand{\ie}{\textit{i.e.}}
36 \newcommand{\Nats}[0]{\ensuremath{\mathds{N}}}
37 \newcommand{\R}[0]{\ensuremath{\mathds{R}}}
38 \newcommand{\Bool}[0]{\ensuremath{\mathds{B}}}
39
40 \begin{document}
41
42 \title[Neural Networks and Chaos]{Neural Networks and Chaos:
43 Construction, Evaluation of Chaotic Networks \\
44 and Prediction of Chaos with Multilayer Feedforward Networks
45 }
46
47 \author{Jacques M. Bahi}
48 \author{Jean-Fran\c{c}ois Couchot}
49 \author{Christophe Guyeux}
50 \email{christophe.guyeux@univ-fcomte.fr.}
51 \author{Michel Salomon}
52 \altaffiliation[Authors in ]{alphabetic order} 
53 \affiliation{
54 Computer Science Laboratory (LIFC), University of Franche-Comt\'e, \\
55 IUT de Belfort-Montb\'eliard, BP 527, \\
56 90016 Belfort Cedex, France
57 }
58
59 \date{\today}
60
61 \newcommand{\CG}[1]{\begin{color}{red}\textit{#1}\end{color}}
62 \newcommand{\JFC}[1]{\begin{color}{blue}\textit{#1}\end{color}}
63 \newcommand{\MS}[1]{\begin{color}{green}\textit{#1}\end{color}}
64
65 \begin{abstract}
66 %% Text of abstract
67 Many  research works  deal with  chaotic neural  networks  for various
68 fields  of application. Unfortunately,  up to  now these  networks are
69 usually  claimed to be  chaotic without  any mathematical  proof.  The
70 purpose of this paper is to establish, based on a rigorous theoretical
71 framework,  an  equivalence between  chaotic  iterations according  to
72 Devaney and a particular class of  neural networks. On the one hand we
73 show  how to build  such a  network, on  the other  hand we  provide a
74 method to  check if a neural  network is a chaotic  one.  Finally, the
75 ability of classical feedforward  multilayer perceptrons to learn sets
76 of data obtained from a dynamical system is regarded.  Various Boolean
77 functions are  iterated on finite  states. Iterations of some  of them
78 are  proven to  be  chaotic as  it  is defined  by  Devaney.  In  that
79 context,  important   differences  occur  in   the  training  process,
80 establishing with  various neural networks that  chaotic behaviors are
81 far more difficult to learn.
82 \end{abstract}
83
84 %%\pacs{Valid PACS appear here}% PACS, the Physics and Astronomy
85 % Classification Scheme.
86 %%\keywords{Suggested keywords}%Use showkeys class option if keyword
87 %display desired
88 \maketitle
89
90 \begin{quotation}
91
92 Chaotic neural  networks have received a  lot of attention  due to the
93 appealing   properties  of   deterministic   chaos  (unpredictability,
94 sensitivity,  and so  on). However,  such networks  are  often claimed
95 chaotic without  any rigorous mathematical proof.   Therefore, in this
96 work  a theoretical  framework based  on the  Devaney's  definition of
97 chaos is  introduced.  Starting  with a relationship  between discrete
98 iterations  and  Devaney's chaos,  we  firstly  show  how to  build  a
99 recurrent  neural network  that is  equivalent  to a  chaotic map  and
100 secondly  a way  to check  whether  an already  available network,  is
101 chaotic  or not.  We  also study  different topological  properties of
102 these  truly  chaotic neural  networks.   Finally,  we  show that  the
103 learning,  with   neural  networks  having   a  classical  feedforward
104 structure, of chaotic behaviors represented by data sets obtained from
105 chaotic maps, is far more difficult than non chaotic behaviors.
106 \end{quotation}
107
108 %% Main text
109 \section{Introduction}
110 \label{S1}
111
112 Several research  works have proposed or used  chaotic neural networks
113 these last  years.  The  complex dynamics of  such a network  leads to
114 various       potential      application       areas:      associative
115 memories~\cite{Crook2007267}  and  digital  security tools  like  hash
116 functions~\cite{Xiao10},                                       digital
117 watermarking~\cite{1309431,Zhang2005759},           or          cipher
118 schemes~\cite{Lian20091296}.  In the  former case, the background idea
119 is to  control chaotic dynamics in  order to store  patterns, with the
120 key advantage  of offering a  large storage capacity.  For  the latter
121 case,   the  use   of   chaotic  dynamics   is   motivated  by   their
122 unpredictability and random-like behaviors.  Indeed, investigating new
123 concepts  is crucial  for  the computer  security  field, because  new
124 threats  are constantly  emerging.   As an  illustrative example,  the
125 former  standard in hash  functions, namely  the SHA-1  algorithm, has
126 been recently weakened after flaws were discovered.
127
128 Chaotic neural networks have  been built with different approaches. In
129 the context of associative  memory, chaotic neurons like the nonlinear
130 dynamic  state neuron  \cite{Crook2007267}  frequently constitute  the
131 nodes of the network. These neurons have an inherent chaotic behavior,
132 which  is usually  assessed through  the computation  of  the Lyapunov
133 exponent.  An alternative approach  is to consider a well-known neural
134 network architecture: the  MultiLayer Perceptron (MLP). These networks
135 are  suitable to model  nonlinear relationships  between data,  due to
136 their            universal            approximator            capacity
137 \cite{Cybenko89,DBLP:journals/nn/HornikSW89}.   Thus,   this  kind  of
138 networks can  be trained  to model a  physical phenomenon known  to be
139 chaotic such as Chua's circuit \cite{dalkiran10}.  Sometimes, a neural
140 network  which is build  by combining  transfer functions  and initial
141 conditions  that are  both chaotic,  is itself  claimed to  be chaotic
142 \cite{springerlink:10.1007/s00521-010-0432-2}.
143
144 What all of these chaotic neural  networks have in common is that they
145 are claimed to be chaotic  despite a lack of any rigorous mathematical
146 proof.   The first contribution  of this  paper is  to fill  this gap,
147 using  a theoretical framework  based on  the Devaney's  definition of
148 chaos \cite{Devaney}.  This mathematical theory of chaos provides both
149 qualitative and quantitative tools to evaluate the complex behavior of
150 a  dynamical  system:  ergodicity,   expansivity,  and  so  on.   More
151 precisely, in  this paper,  which is an  extension of a  previous work
152 \cite{bgs11:ip},   we  establish   the  equivalence   between  chaotic
153 iterations  and  a  class  of  globally  recurrent  MLP.   The  second
154 contribution is a  study of the converse problem,  indeed we study the
155 ability  of classical  multiLayer  perceptrons to  learn a  particular
156 family of discrete chaotic  dynamical systems.  This family is defined
157 by a Boolean vector, an update function, and a sequence defining which
158 component  to  update  at  each  iteration.  It  has  been  previously
159 established that  such dynamical systems are  chaotically iterated (as
160 it  is defined by  Devaney) when  the chosen  function has  a strongly
161 connected iterations  graph.  In this document,  we experiment several
162 MLPs and  try to  learn some  iterations of this  kind.  We  show that
163 non-chaotic  iterations  can  be  learned,  whereas  it  is  far  more
164 difficult for  chaotic ones.   That is to  say, we have  discovered at
165 least  one  family of  problems  with  a  reasonable size,  such  that
166 artificial  neural  networks  should  not  be  applied  due  to  their
167 inability to learn chaotic behaviors in this context.
168
169 The remainder of this research  work is organized as follows. The next
170 section is devoted to the basics of Devaney's chaos.  Section~\ref{S2}
171 formally  describes  how  to  build  a neural  network  that  operates
172 chaotically.  Section~\ref{S3} is devoted to the dual case of checking
173 whether  an existing neural  network is  chaotic or  not.  Topological
174 properties of chaotic neural networks are discussed in Sect.~\ref{S4}.
175 The  Section~\ref{section:translation}  shows  how to  translate  such
176 iterations  into  an Artificial  Neural  Network  (ANN),  in order  to
177 evaluate the  capability for this  latter to learn  chaotic behaviors.
178 This  ability  is  studied in  Sect.~\ref{section:experiments},  where
179 various ANNs try to learn two  sets of data: the first one is obtained
180 by chaotic iterations while the  second one results from a non-chaotic
181 system.  Prediction success rates are  given and discussed for the two
182 sets.  The paper ends with a conclusion section where our contribution
183 is summed up and intended future work is exposed.
184
185 \section{Chaotic Iterations according to  Devaney}
186
187 In this section, the well-established notion of Devaney's mathematical
188 chaos is  firstly recalled.   Preservation of the  unpredictability of
189 such dynamical  system when implemented  on a computer is  obtained by
190 using  some discrete  iterations  called ``asynchronous  iterations'',
191 which are  thus introduced.  The result establishing  the link between
192 such iterations and Devaney's chaos is finally presented at the end of
193 this section.
194
195 In what follows and for  any function $f$, $f^n$ means the composition
196 $f \circ f \circ \hdots \circ f$ ($n$ times) and an {\bf iteration} of
197 a {\bf  dynamical system}  is the step  that consists in  updating the
198 global  state  $x^t$  at time  $t$  with  respect  to a  function  $f$
199 s.t. $x^{t+1} = f(x^t)$.
200
201 \subsection{Devaney's chaotic dynamical systems}
202
203 Various domains such as  physics, biology, or economy, contain systems
204 that exhibit a chaotic behavior,  a well-known example is the weather.
205 These  systems   are  in   particular  highly  sensitive   to  initial
206 conditions, a concept usually presented as the butterfly effect: small
207 variations in the initial conditions possibly lead to widely different
208 behaviors.  Theoretically speaking, a  system is sensitive if for each
209 point  $x$ in  the  iteration space,  one  can find  a  point in  each
210 neighborhood of $x$ having a significantly different future evolution.
211 Conversely, a  system seeded with  the same initial  conditions always
212 has  the same  evolution.   In  other words,  chaotic  systems have  a
213 deterministic  behavior  defined through  a  physical or  mathematical
214 model  and a  high  sensitivity to  the  initial conditions.   Besides
215 mathematically this  kind of unpredictability  is also referred  to as
216 deterministic chaos.  For example, many weather forecast models exist,
217 but they give only suitable predictions for about a week, because they
218 are initialized with conditions  that reflect only a partial knowledge
219 of the current weather.  Even  if the differences are initially small,
220 they are  amplified in the course  of time, and thus  make difficult a
221 long-term prediction.  In fact,  in a chaotic system, an approximation
222 of  the current  state is  a  quite useless  indicator for  predicting
223 future states.
224
225 From  mathematical  point  of   view,  deterministic  chaos  has  been
226 thoroughly studied  these last decades, with  different research works
227 that  have   provide  various  definitions  of   chaos.   Among  these
228 definitions,    the   one    given   by    Devaney~\cite{Devaney}   is
229 well-established.   This  definition  consists  of  three  conditions:
230 topological  transitivity, density of  periodic points,  and sensitive
231 point dependence on initial conditions.
232
233 {\bf  Topological transitivity} is  checked when,  for any  point, any
234 neighborhood of its future evolution eventually overlap with any other
235 given region.  This property implies that a dynamical system cannot be
236 broken into simpler subsystems.   Intuitively, its complexity does not
237 allow any  simplification.  On the  contrary, a dense set  of periodic
238 points is an element of regularity that a chaotic dynamical system has
239 to exhibit.
240
241 However, chaos needs some regularity to ``counteracts'' the effects of
242 transitivity.
243 %\begin{definition} \label{def3}
244 We recall that a  point $x$ is  {\bf periodic point} for $f$ of 
245 period~$n \in \mathds{N}^{\ast}$ if $f^{n}(x)=x$.
246 %\end{definition}
247 Then, the map 
248 %\begin{definition} \label{def4}
249 $f$ is {\bf regular}  on the topological space $(\mathcal{X},\tau)$ if
250 the set of periodic points for  $f$ is dense in $\mathcal{X}$ (for any
251 $x \in \mathcal{X}$, we can find at least one periodic point in any of
252 its neighborhood).
253 %\end{definition}
254 Thus, due to these two properties,  two points close to each other can
255 behave in  a completely different manner,  leading to unpredictability
256 for the whole system.
257
258 Let  us recall  that  $f$  has {\bf  sensitive  dependence on  initial
259   conditions} if  there exists  $\delta >0$ such  that, for  any $x\in
260 \mathcal{X}$ and any neighborhood $V$ of $x$, there exist $y\in V$ and
261 $n  > 0$ such  that $d\left(f^{n}(x),  f^{n}(y)\right) >\delta  $. The
262 value $\delta$ is called the {\bf constant of sensitivity} of $f$.
263
264 Finally,  The  dynamical system  that  iterates  $f$  is {\bf  chaotic
265   according  to Devaney}  on $(\mathcal{X},\tau)$  if $f$  is regular,
266 topologically transitive, and has  sensitive dependence to its initial
267 conditions.   In  what follows,  iterations  are  said  to be  chaotic
268 according  Devaney  when  corresponding  dynamical system  is  chaotic
269 according Devaney.
270
271 %Let us notice that for a  metric space the last condition follows from
272 %the two first ones~\cite{Banks92}.
273
274 \subsection{Asynchronous Iterations}
275
276 %This section  presents some basics on  topological chaotic iterations.
277 Let us  firstly discuss about the  domain of iteration.  As  far as we
278 know, no result rules that  the chaotic behavior of a dynamical system
279 that  has been  theoretically  proven  on $\R$  remains  valid on  the
280 floating-point numbers, which is  the implementation domain.  Thus, to
281 avoid  loss of chaos  this work  presents an  alternative, that  is to
282 iterate Boolean maps: results  that are theoretically obtained in that
283 domain are preserved in implementations.
284
285 Let us denote by $\llbracket  a ; b \rrbracket$ the following interval
286 of integers: $\{a, a+1, \hdots, b\}$, where $a~<~b$.  In this section,
287 a {\it  system} under consideration iteratively  modifies a collection
288 of $n$~components.  Each component  $i \in \llbracket 1; n \rrbracket$
289 takes  its  value $x_i$  among  the  domain  $\Bool=\{0,1\}$.  A  {\it
290   configuration} of the system at discrete time $t$ is the vector
291 %\begin{equation*}   
292 $x^{t}=(x_1^{t},\ldots,x_{n}^{t}) \in \Bool^n$.
293 %\end{equation*}
294 The dynamics of the system is  described according to a  function $f :
295 \Bool^n \rightarrow \Bool^n$ such that
296 %\begin{equation*} 
297 $f(x)=(f_1(x),\ldots,f_n(x))$.
298 %\end{equation*}
299 % Notice that $f^k$ denotes the 
300 % $k-$th composition $f\circ \ldots \circ f$ of the function $f$.
301
302 Let    be   given    a   configuration    $x$.    In    what   follows
303 $N(i,x)=(x_1,\ldots,\overline{x_i},\ldots,x_n)$  is  the configuration
304 obtained by switching the $i-$th component of $x$ ($\overline{x_i}$ is
305 indeed  the negation  of $x_i$).   Intuitively, $x$  and  $N(i,x)$ are
306 neighbors.   The discrete  iterations of  $f$ are  represented  by the
307 oriented  {\it graph  of iterations}  $\Gamma(f)$.  In  such  a graph,
308 vertices are configurations  of $\Bool^n$ and there is  an arc labeled
309 $i$ from $x$ to $N(i,x)$ if and only if $f_i(x)$ is $N(i,x)$. 
310
311 In the  sequel, the  {\it strategy} $S=(S^{t})^{t  \in \Nats}$  is the
312 sequence defining  which component to  update at time $t$  and $S^{t}$
313 denotes its $t-$th term.  This iteration scheme that only modifies one
314 element at each iteration is classically referred as {\it asynchronous
315   iterations}.  More precisely, we have for any $i$, $1\le i \le n$,
316 \begin{equation}
317 \left\{ \begin{array}{l}
318 x^{0}  \in \Bool^n \\ 
319 x^{t+1}_i = \left\{ 
320 \begin{array}{l}
321   f_i(x^t) \textrm{ if $S^t = i$} \\
322   x_i^t \textrm{ otherwise} 
323  \end{array}
324 \right.
325 \end{array} \right.
326 \end{equation}
327
328 Next  section  shows  the  link between  asynchronous  iterations  and
329 Devaney's chaos.
330
331 \subsection{On the link between asynchronous iterations and
332   Devaney's Chaos}
333
334 In  this subsection  we recall  the link  we have  established between
335 asynchronous   iterations  and   Devaney's  chaos.    The  theoretical
336 framework is fully described in \cite{guyeux09}.
337
338 We  introduce the  function  $F_{f}$  that is  defined  for any  given
339 application     $f:\Bool^{n}     \to     \Bool^{n}$     by     $F_{f}:
340 \llbracket1;n\rrbracket\times        \mathds{B}^{n}        \rightarrow
341 \mathds{B}^{n}$, s.t.
342 \begin{equation}
343 \label{eq:CIs}
344   F_{f}(s,x)_j  =  
345     \left\{
346     \begin{array}{l}
347     f_j(x) \textrm{ if } j= s \enspace , \\ 
348     x_{j} \textrm{ otherwise} \enspace .
349     \end{array}
350     \right. 
351 \end{equation}
352
353 \noindent With such a notation, asynchronously obtained configurations
354 are defined for times \linebreak $t=0,1,2,\ldots$ by:
355 \begin{equation}\label{eq:sync}   
356 \left\{\begin{array}{l}   
357   x^{0}\in \mathds{B}^{n} \textrm{ and}\\
358   x^{t+1}=F_{f}(S^t,x^{t}) \enspace .
359 \end{array}\right.
360 \end{equation}
361
362 \noindent  Finally, iterations defined  in Eq.~(\ref{eq:sync})  can be
363 described by the following system:
364 \begin{equation} 
365 \left\{
366 \begin{array}{lll} 
367 X^{0} & = &  ((S^t)^{t \in \Nats},x^0) \in 
368 \llbracket1;n\rrbracket^\Nats \times \Bool^{n}\\ 
369 X^{k+1}& = & G_{f}(X^{k})\\
370 \multicolumn{3}{c}{\textrm{where } G_{f}\left(((S^t)^{t \in \Nats},x)\right)
371 = \left(\sigma((S^t)^{t \in \Nats}),F_{f}(S^0,x)\right) \enspace ,}
372 \end{array} 
373 \right.
374 \label{eq:Gf}
375 \end{equation}
376 where  $\sigma$ is the  function that  removes the  first term  of the
377 strategy  ({\it  i.e.},~$S^0$).    This  definition  allows  to  links
378 asynchronous  iterations  with  classical  iterations of  a  dynamical
379 system. Note that it can be extended by considering subsets for $S^t$.
380
381 To study topological properties of  these iterations, we are then left
382 to  introduce a  {\bf distance}  $d$  between two  points $(S,x)$  and
383 $(\check{S},\check{x})\in \mathcal{X} = \llbracket1;n\rrbracket^\Nats
384 \times \Bool^{n}$. It is defined by
385 \begin{equation}
386 d((S,x);(\check{S},\check{x}))=d_{e}(x,\check{x})+d_{s}(S,\check{S})
387 \enspace ,
388 \end{equation}
389 where
390 \begin{equation}
391 d_{e}(x,\check{x})=\sum_{j=1}^{n}\Delta
392 (x_{j},\check{x}_{j}) \in \llbracket  0 ; n \rrbracket 
393 \end{equation}
394 \noindent and   
395 \begin{equation}
396 d_{s}(S,\check{S})=\frac{9}{2n}\sum_{t=0}^{\infty
397 }\frac{|S^{t}-\check{S}^{t}|}{10^{t+1}} \in [0 ; 1] \enspace .
398 \end{equation}
399
400 This    distance    is    defined    to    reflect    the    following
401 information. Firstly, the more  two systems have different components,
402 the  larger the  distance between  them.  Secondly,  two  systems with
403 similar components and strategies, which have the same starting terms,
404 must  induce only a  small distance.   The proposed  distance fulfills
405 these  requirements: on  the one  hand  its floor  value reflects  the
406 difference between  the cells, on  the other hand its  fractional part
407 measures the difference between the strategies.
408
409 The relation  between $\Gamma(f)$ and  $G_f$ is clear: there  exists a
410 path from  $x$ to $x'$  in $\Gamma(f)$ if  and only if there  exists a
411 strategy  $s$ such  that iterations  of $G_f$  from the  initial point
412 $(s,x)$   reaches   the   configuration   $x'$.   Using   this   link,
413 Guyeux~\cite{GuyeuxThese10} has proven that,
414 \begin{theorem}%[Characterization of $\mathcal{C}$]
415 \label{Th:Caracterisation   des   IC   chaotiques}  
416 Let $f:\Bool^n\to\Bool^n$. Iterations of $G_f$ are chaotic  according 
417 to  Devaney if and only if  $\Gamma(f)$ is strongly connected.
418 \end{theorem}
419
420 Checking if  a graph  is strongly connected  is not difficult  (by the
421 Tarjan's algorithm for  instance).  Let be given a  strategy $S$ and a
422 function  $f$ such that  $\Gamma(f)$ is  strongly connected.   In that
423 case, iterations of the function $G_f$ as defined in Eq.~(\ref{eq:Gf})
424 are chaotic according to Devaney.
425
426
427 Let   us  then   define  two   function  $f_0$   and  $f_1$   both  in
428 $\Bool^n\to\Bool^n$ that are used all along this paper.  The former is
429 the   vectorial  negation,   \textit{i.e.},  $f_{0}(x_{1},\dots,x_{n})
430 =(\overline{x_{1}},\dots,\overline{x_{n}})$.      The     latter    is
431 $f_1\left(x_1,\dots,x_n\right)=\left(
432 \overline{x_1},x_1,x_2,\dots,x_{n-1}\right)$.  It is not hard to check
433 that $\Gamma(f_0)$ and $\Gamma(f_1)$ are both strongly connected, then
434 iterations  of $G_{f_0}$  and of  $G_{f_1}$ are  chaotic  according to
435 Devaney.
436
437 With this  material, we are now  able to build a  first chaotic neural
438 network, as defined in the Devaney's formulation.
439
440 \section{A chaotic neural network in the sense of Devaney}
441 \label{S2}
442
443 Let  us   build  a  multilayer  perceptron   neural  network  modeling
444 $F_{f_0}:\llbracket   1;   n   \rrbracket  \times   \mathds{B}^n   \to
445 \mathds{B}^n$ associated  to the vectorial  negation.  More precisely,
446 for   all   inputs   $(s,x)   \in  \llbracket   1;n\rrbracket   \times
447 \mathds{B}^n$, the  output layer  will produce $F_{f_0}(s,x)$.   It is
448 then possible to link the output  layer and the input one, in order to
449 model the  dependence between two successive iterations.   As a result
450 we obtain  a global recurrent  neural network that behaves  as follows
451 (see Fig.~\ref{Fig:perceptron}).
452
453 \begin{itemize}
454 \item   The   network   is   initialized   with   the   input   vector
455   $\left(S^0,x^0\right)    \in    \llbracket   1;n\rrbracket    \times
456   \mathds{B}^n$      and      computes      the     output      vector
457   $x^1=F_{f_0}\left(S^0,x^0\right)$. This last  vector is published as
458   an output one of the chaotic  neural network and is sent back to the
459   input layer through the feedback links.
460 \item When  the network  is activated at  the $t^{th}$  iteration, the
461   state of the system $x^t  \in \mathds{B}^n$ received from the output
462   layer and  the initial  term of the  sequence $(S^t)^{t  \in \Nats}$
463   ($S^0  \in \llbracket 1;n\rrbracket$)  are used  to compute  the new
464   output vector.  This  new vector, which represents the  new state of
465   the dynamical system, satisfies:
466   \begin{equation}
467     x^{t+1}=F_{f_0}(S^0, x^t) \in \mathds{B}^n \enspace .
468   \end{equation}
469 \end{itemize}
470
471 \begin{figure}
472   \centering
473   \includegraphics[scale=0.625]{perceptron}
474   \caption{A perceptron equivalent to chaotic iterations}
475   \label{Fig:perceptron}
476 \end{figure}
477
478 The behavior of the neural network is such that when the initial state
479 is  $x^0~\in~\mathds{B}^n$ and  a  sequence $(S^t)^{t  \in \Nats}$  is
480 given  as outside  input,
481 \JFC{en dire davantage sur l'outside world} %% TO BE UPDATED
482 then  the sequence  of  successive published
483 output vectors $\left(x^t\right)^{t \in \mathds{N}^{\ast}}$ is exactly
484 the  one produced  by  the chaotic  iterations  formally described  in
485 Eq.~(\ref{eq:Gf}).  It  means that  mathematically if we  use similar
486 input  vectors   they  both  generate  the   same  successive  outputs
487 $\left(x^t\right)^{t \in \mathds{N}^{\ast}}$,  and therefore that they
488 are  equivalent  reformulations  of  the iterations  of  $G_{f_0}$  in
489 $\mathcal{X}$. Finally, since the  proposed neural network is built to
490 model  the  behavior  of  $G_{f_0}$,  whose iterations are
491   chaotic  according  to
492 Devaney's definition  of chaos,  we can conclude  that the  network is
493 also chaotic in this sense.
494
495 The previous construction scheme  is not restricted to function $f_0$.
496 It can  be extended to any function  $f$ such that $G_f$  is a chaotic
497 map by training the network to model $F_{f}:\llbracket 1; n \rrbracket
498 \times      \mathds{B}^n      \to      \mathds{B}^n$.      Due      to
499 Theorem~\ref{Th:Caracterisation  des  IC  chaotiques},  we  can  find
500 alternative functions  $f$ for $f_0$  through a simple check  of their
501 graph of  iterations $\Gamma(f)$.  For  example, we can  build another
502 chaotic neural network by using $f_1$ instead of $f_0$.
503
504 \section{Checking whether a neural network is chaotic or not}
505 \label{S3}
506
507 We focus now on the case  where a neural network is already available,
508 and for  which we want  to know if  it is chaotic. Typically,  in many
509 research  papers neural  network  are usually  claimed  to be  chaotic
510 without any  convincing mathematical proof. We propose  an approach to
511 overcome  this  drawback  for  a  particular  category  of  multilayer
512 perceptrons defined below, and for the Devaney's formulation of chaos.
513 In  spite of  this restriction,  we think  that this  approach  can be
514 extended to a large variety of neural networks.
515
516 We consider a multilayer perceptron  of the following form: inputs are
517 $n$ binary digits  and one integer value, while  outputs are $n$ bits.
518 Moreover, each  binary output is connected with  a feedback connection
519 to an input one.
520
521 \begin{itemize}
522 \item  During  initialization, the  network  is  seeded with  $n$~bits
523   denoted $\left(x^0_1,\dots,x^0_n\right)$ and  an integer value $S^0$
524   that belongs to $\llbracket1;n\rrbracket$.
525 \item     At     iteration~$t$,     the     last     output     vector
526   $\left(x^t_1,\dots,x^t_n\right)$   defines  the  $n$~bits   used  to
527   compute the new output one $\left(x^{t+1}_1,\dots,x^{t+1}_n\right)$.
528   While  the remaining  input receives  a new  integer value  $S^t \in
529   \llbracket1;n\rrbracket$, which is provided by the outside world.
530 \JFC{en dire davantage sur l'outside world}
531 \end{itemize}
532
533 The topological  behavior of these  particular neural networks  can be
534 proven to be chaotic through the following process. Firstly, we denote
535 by  $F:  \llbracket  1;n  \rrbracket \times  \mathds{B}^n  \rightarrow
536 \mathds{B}^n$     the     function     that     maps     the     value
537 $\left(s,\left(x_1,\dots,x_n\right)\right)    \in    \llbracket    1;n
538 \rrbracket      \times      \mathds{B}^n$      into     the      value
539 $\left(y_1,\dots,y_n\right)       \in       \mathds{B}^n$,       where
540 $\left(y_1,\dots,y_n\right)$  is the  response of  the  neural network
541 after    the    initialization     of    its    input    layer    with
542 $\left(s,\left(x_1,\dots, x_n\right)\right)$.  Secondly, we define $f:
543 \mathds{B}^n       \rightarrow      \mathds{B}^n$       such      that
544 $f\left(x_1,x_2,\dots,x_n\right)$ is equal to
545 \begin{equation}
546 \left(F\left(1,\left(x_1,x_2,\dots,x_n\right)\right),\dots,
547   F\left(n,\left(x_1,x_2,\dots,x_n\right)\right)\right) \enspace .
548 \end{equation}
549 Thus, for any $j$, $1 \le j \le n$, we have 
550 $f_j\left(x_1,x_2,\dots,x_n\right) = 
551 F\left(j,\left(x_1,x_2,\dots,x_n\right)\right)$.
552 If this recurrent  neural network is seeded with 
553 $\left(x_1^0,\dots,x_n^0\right)$    and   $S   \in    \llbracket   1;n
554 \rrbracket^{\mathds{N}}$, it produces  exactly the
555 same      output      vectors  than the 
556 chaotic iterations of $F_f$  with initial
557 condition  $\left(S,(x_1^0,\dots,  x_n^0)\right)  \in  \llbracket  1;n
558 \rrbracket^{\mathds{N}}  \times \mathds{B}^n$.
559 Theoretically  speaking, such iterations  of $F_f$  are thus  a formal
560 model of these kind of recurrent  neural networks. In the rest of this
561 paper,  we will  call such  multilayer perceptrons  CI-MLP($f$), which
562 stands for ``Chaotic Iterations based MultiLayer Perceptron''.
563
564 Checking  if CI-MLP($f$)  behaves chaotically  according  to Devaney's
565 definition  of  chaos  is  simple:  we  need just  to  verify  if  the
566 associated graph  of iterations  $\Gamma(f)$ is strongly  connected or
567 not. As  an incidental consequence,  we finally obtain  an equivalence
568 between  chaotic  iterations   and  CI-MLP($f$).   Therefore,  we  can
569 obviously  study such multilayer  perceptrons with  mathematical tools
570 like  topology  to  establish,  for  example,  their  convergence  or,
571 contrarily, their unpredictable behavior.   An example of such a study
572 is given in the next section.
573
574 \section{Topological properties of chaotic neural networks}
575 \label{S4}
576
577 Let us first recall  two fundamental definitions from the mathematical
578 theory of chaos.
579
580 \begin{definition} \label{def8}
581 A  function   $f$  is   said  to  be   {\bf  expansive}   if  $\exists
582 \varepsilon>0$, $\forall  x \neq y$,  $\exists n \in  \mathds{N}$ such
583 that $d\left(f^n(x),f^n(y)\right) \geq \varepsilon$.
584 \end{definition}
585
586 \noindent In  other words, a small  error on any  initial condition is
587 always amplified  until $\varepsilon$,  which denotes the  constant of
588 expansivity of $f$.
589
590 \begin{definition} \label{def9}
591 A discrete dynamical  system is said to be  {\bf topologically mixing}
592 if  and only  if,  for any  pair  of disjoint  open  sets $U$,$V  \neq
593 \emptyset$, we  can find some $n_0  \in \mathds{N}$ such  that for any
594 $n$, $n\geq n_0$, we have $f^n(U) \cap V \neq \emptyset$.
595 \end{definition}
596
597 \noindent Topologically mixing means that the dynamical system evolves
598 in  time such that  any given  region of  its topological  space might
599 overlap with any other region.
600
601 It has been proven in Ref.~\cite{gfb10:ip} that chaotic iterations are
602 expansive and topologically mixing  when $f$ is the vectorial negation
603 $f_0$.    Consequently,  these   properties  are   inherited   by  the
604 CI-MLP($f_0$)  recurrent neural  network  previously presented,  which
605 induce  a greater  unpredictability.   Any difference  on the  initial
606 value of the input layer is  in particular magnified up to be equal to
607 the expansivity constant.
608
609 Let  us then  focus on  the consequences  for a  neural network  to be
610 chaotic   according  to   Devaney's   definition.   Intuitively,   the
611 topological transitivity property  implies indecomposability, which is
612 formally defined as follows:
613
614 \begin{definition} \label{def10}
615 A  dynamical  system  $\left(   \mathcal{X},  f\right)$  is  {\bf  not
616   decomposable}  if it  is not  the  union of  two closed  sets $A,  B
617 \subset \mathcal{X}$ such that $f(A) \subset A, f(B) \subset B$.
618 \end{definition}
619
620 \noindent Hence, reducing the set of outputs generated by CI-MLP($f$),
621 in order to  simplify its complexity, is impossible  if $\Gamma(f)$ is
622 strongly connected.  Moreover, under this  hypothesis CI-MLPs($f$) are
623 strongly transitive:
624
625 \begin{definition} \label{def11}
626 A  dynamical system  $\left( \mathcal{X},  f\right)$ is  {\bf strongly
627   transitive}  if  $\forall   x,y  \in  \mathcal{X}$,  $\forall  r>0$,
628 $\exists z \in \mathcal{X}$,  $d(z,x)~\leq~r \Rightarrow \exists n \in
629 \mathds{N}^{\ast}$, $f^n(z)=y$.
630 \end{definition}
631
632 \noindent According to  this definition, for all pairs  of points $(x,
633 y)$ in the  phase space, a point $z$ can be  found in the neighborhood
634 of $x$  such that one  of its iterates  $f^n(z)$ is $y$.  Indeed, this
635 result  has been  established  during the  proof  of the  transitivity
636 presented  in Ref.~\cite{guyeux09}.   Among other  things,  the strong
637 transitivity  leads to  the fact  that  without the  knowledge of  the
638 initial input layer, all outputs are possible.  Additionally, no point
639 of the output space can be discarded when studying CI-MLPs: this space
640 is  intrinsically   complicated  and   it  cannot  be   decomposed  or
641 simplified.
642
643 Furthermore, those  recurrent neural networks  exhibit the instability
644 property:
645 \begin{definition}
646 A dynamical  system $\left( \mathcal{X}, f\right)$ is {\bf unstable}
647 if for
648 all  $x  \in  \mathcal{X}$,   the  orbit  $\gamma_x:n  \in  \mathds{N}
649 \longmapsto f^n(x)$  is unstable,  that means: $\exists  \varepsilon >
650 0$, $\forall  \delta>0$, $\exists y  \in \mathcal{X}$, $\exists  n \in
651 \mathds{N}$,        such        that        $d(x,y)<\delta$        and
652 $d\left(\gamma_x(n),\gamma_y(n)\right) \geq \varepsilon$.
653 \end{definition}
654
655 \noindent  This property,  which  is implied  by  the sensitive  point
656 dependence  on initial  conditions,  leads  to the  fact  that in  all
657 neighborhoods of any point $x$, there  are points that can be apart by
658 $\varepsilon$    in   the   future    through   iterations    of   the
659 CI-MLP($f$). Thus,  we can  claim that the  behavior of these  MLPs is
660 unstable when $\Gamma (f)$ is strongly connected.
661
662 Let  us  now consider  a  compact  metric space  $(M,  d)$  and $f:  M
663 \rightarrow M$  a continuous map. For  each natural number  $n$, a new
664 metric $d_n$ is defined on $M$ by
665 \begin{equation}
666 d_n(x,y)=\max\{d(f^i(x),f^i(y)): 0\leq i<n\} \enspace .
667 \end{equation}
668
669 Given any $\varepsilon > 0$ and $n \geqslant 1$, two points of $M$ are
670 $\varepsilon$-close  with respect to  this metric  if their  first $n$
671 iterates are $\varepsilon$-close.
672
673 This metric  allows one to distinguish  in a neighborhood  of an orbit
674 the points  that move away from  each other during  the iteration from
675 the points  that travel together.  A subset  $E$ of $M$ is  said to be
676 $(n, \varepsilon)$-separated if each pair of distinct points of $E$ is
677 at  least $\varepsilon$  apart in  the metric  $d_n$. Denote  by $H(n,
678 \varepsilon)$     the    maximum     cardinality     of    an     $(n,
679 \varepsilon)$-separated set,
680 \begin{definition}
681 The {\bf topological entropy} of the  map $f$ is defined by (see e.g.,
682 Ref.~\cite{Adler65} or Ref.~\cite{Bowen})
683 $$h(f)=\lim_{\varepsilon\to      0}      \left(\limsup_{n\to      \infty}
684 \frac{1}{n}\log H(n,\varepsilon)\right) \enspace .$$
685 \end{definition}
686
687 Then we have the following result \cite{GuyeuxThese10},
688 \begin{theorem}
689 $\left( \mathcal{X},d\right)$  is compact and  the topological entropy
690 of $(\mathcal{X},G_{f_0})$ is infinite.
691 \end{theorem}
692
693 \begin{figure}
694   \centering
695   \includegraphics[scale=0.5]{scheme}
696   \caption{Summary of addressed neural networks and chaos problems}
697   \label{Fig:scheme}
698 \end{figure}
699
700 Figure~\ref{Fig:scheme} is a summary  of addressed neural networks and
701 chaos  problems.   In  Section~\ref{S2}   we  have  explained  how  to
702 construct    a    truly    chaotic    neural   networks,    $A$    for
703 instance. Section~\ref{S3} has shown how  to check whether a given MLP
704 $A$ or $C$ is chaotic or not  in the sens of Devaney, and how to study
705 its  topological  behavior.   The  last  thing  to  investigate,  when
706 comparing neural networks and Devaney's chaos, is to determine whether
707 an  artificial neural network  $C$ is  able to  learn or  predict some
708 chaotic  behaviors  of  $B$,  as   it  is  defined  in  the  Devaney's
709 formulation  (when  they are  not  specifically  constructed for  this
710 purpose).  This statement is studied in the next section.
711
712 \section{Suitability of Feedforward Neural Networks 
713 for Predicting Chaotic and Non-chaotic Behaviors}
714
715 In  the context  of computer  science  different topic  areas have  an
716 interest       in       chaos,       as       for       steganographic
717 techniques~\cite{1309431,Zhang2005759}.    Steganography  consists  in
718 embedding a  secret message within  an ordinary one, while  the secret
719 extraction takes place once  at destination.  The reverse ({\it i.e.},
720 automatically detecting the presence  of hidden messages inside media)
721 is  called   steganalysis.   Among  the   deployed  strategies  inside
722 detectors,          there         are          support         vectors
723 machines~\cite{Qiao:2009:SM:1704555.1704664},                    neural
724 networks~\cite{10.1109/ICME.2003.1221665,10.1109/CIMSiM.2010.36},  and
725 Markov   chains~\cite{Sullivan06steganalysisfor}.    Most   of   these
726 detectors  give quite  good results  and are  rather  competitive when
727 facing steganographic  tools.  However, to  the best of  our knowledge
728 none of the considered information hiding schemes fulfills the Devaney
729 definition  of chaos~\cite{Devaney}.  Indeed,  one can  wonder whether
730 detectors  continue to  give good  results when  facing  truly chaotic
731 schemes.  More  generally, there remains the open  problem of deciding
732 whether artificial intelligence is suitable for predicting topological
733 chaotic behaviors.
734
735 \subsection{Representing Chaotic Iterations for Neural Networks} 
736 \label{section:translation}
737
738 The  problem  of  deciding  whether  classical  feedforward  ANNs  are
739 suitable  to approximate  topological chaotic  iterations may  then be
740 reduced to  evaluate such neural  networks on iterations  of functions
741 with  Strongly  Connected  Component  (SCC)~graph of  iterations.   To
742 compare with  non-chaotic iterations, the experiments  detailed in the
743 following  sections  are carried  out  using  both  kinds of  function
744 (chaotic and non-chaotic). Let  us emphasize on the difference between
745 this  kind  of  neural  networks  and  the  Chaotic  Iterations  based
746 multilayer peceptron.
747
748 We are  then left to compute  two disjoint function  sets that contain
749 either functions  with topological chaos properties  or not, depending
750 on  the strong  connectivity of  their iterations graph.  This  can be
751 achieved for  instance by removing a  set of edges  from the iteration
752 graph $\Gamma(f_0)$ of the vectorial negation function~$f_0$.  One can
753 deduce whether  a function verifies the topological  chaos property or
754 not  by checking  the strong  connectivity of  the resulting  graph of
755 iterations.
756
757 For instance let us consider  the functions $f$ and $g$ from $\Bool^4$
758 to $\Bool^4$ respectively defined by the following lists:
759 $$[0,  0,  2,   3,  13,  13,  6,   3,  8,  9,  10,  11,   8,  13,  14,
760   15]$$ $$\mbox{and } [11, 14, 13, 14, 11, 10, 1, 8, 7, 6, 5, 4, 3, 2,
761   1, 0]  \enspace.$$ In  other words,  the image of  $0011$ by  $g$ is
762 $1110$: it  is obtained as the  binary value of the  fourth element in
763 the  second  list  (namely~14).   It   is  not  hard  to  verify  that
764 $\Gamma(f)$ is  not SCC  (\textit{e.g.}, $f(1111)$ is  $1111$) whereas
765 $\Gamma(g)$ is. The  remaining of this section shows  how to translate
766 iterations of such functions into a model amenable to be learned by an
767 ANN.   Formally, input  and  output vectors  are pairs~$((S^t)^{t  \in
768   \Nats},x)$          and          $\left(\sigma((S^t)^{t          \in
769   \Nats}),F_{f}(S^0,x)\right)$ as defined in~Eq.~(\ref{eq:Gf}).
770
771 Firstly, let us focus on how to memorize configurations.  Two distinct
772 translations are  proposed.  In the first  case, we take  one input in
773 $\Bool$  per  component;  in   the  second  case,  configurations  are
774 memorized  as   natural  numbers.    A  coarse  attempt   to  memorize
775 configuration  as  natural  number  could  consist  in  labeling  each
776 configuration  with  its  translation  into  decimal  numeral  system.
777 However,  such a  representation induces  too many  changes  between a
778 configuration  labeled by  a  power  of two  and  its direct  previous
779 configuration: for instance, 16~(10000)  and 15~(01111) are close in a
780 decimal ordering, but  their Hamming distance is 5.   This is why Gray
781 codes~\cite{Gray47} have been preferred.
782
783 Secondly, let us detail how to deal with strategies.  Obviously, it is
784 not possible to  translate in a finite way  an infinite strategy, even
785 if both $(S^t)^{t \in \Nats}$ and $\sigma((S^t)^{t \in \Nats})$ belong
786 to  $\{1,\ldots,n\}^{\Nats}$.  Input  strategies are  then  reduced to
787 have a length of size $l \in \llbracket 2,k\rrbracket$, where $k$ is a
788 parameter of the evaluation. Notice  that $l$ is greater than or equal
789 to $2$ since  we do not want the shift  $\sigma$~function to return an
790 empty strategy.  Strategies are memorized as natural numbers expressed
791 in base  $n+1$.  At  each iteration, either  none or one  component is
792 modified  (among the  $n$ components)  leading to  a radix  with $n+1$
793 entries.  Finally,  we give an  other input, namely $m  \in \llbracket
794 1,l-1\rrbracket$, which  is the  number of successive  iterations that
795 are applied starting  from $x$.  Outputs are translated  with the same
796 rules.
797
798 To address  the complexity  issue of the  problem, let us  compute the
799 size of the data set an ANN has to deal with.  Each input vector of an
800 input-output pair  is composed of a configuration~$x$,  an excerpt $S$
801 of the strategy to iterate  of size $l \in \llbracket 2, k\rrbracket$,
802 and a  number $m \in  \llbracket 1, l-1\rrbracket$ of  iterations that
803 are executed.
804
805 Firstly, there are $2^n$  configurations $x$, with $n^l$ strategies of
806 size $l$ for  each of them. Secondly, for  a given configuration there
807 are $\omega = 1 \times n^2 +  2 \times n^3 + \ldots+ (k-1) \times n^k$
808 ways  of writing  the pair  $(m,S)$. Furthermore,  it is  not  hard to
809 establish that
810 \begin{equation}
811 \displaystyle{(n-1) \times \omega = (k-1)\times n^{k+1} - \sum_{i=2}^k n^i} \nonumber
812 \end{equation}
813 then
814 \begin{equation}
815 \omega =
816 \dfrac{(k-1)\times n^{k+1}}{n-1} - \dfrac{n^{k+1}-n^2}{(n-1)^2} \enspace . \nonumber
817 \end{equation}
818 \noindent And then, finally, the number of  input-output pairs for our 
819 ANNs is 
820 $$
821 2^n \times \left(\dfrac{(k-1)\times n^{k+1}}{n-1} - \dfrac{n^{k+1}-n^2}{(n-1)^2}\right) \enspace .
822 $$
823 For  instance, for $4$  binary components  and a  strategy of  at most
824 $3$~terms we obtain 2304~input-output pairs.
825
826 \subsection{Experiments}
827 \label{section:experiments}
828
829 To study  if chaotic iterations can  be predicted, we  choose to train
830 the multiLayer perceptron.  As stated  before, this kind of network is
831 in  particular  well-known for  its  universal approximation  property
832 \cite{Cybenko89,DBLP:journals/nn/HornikSW89}.  Furthermore,  MLPs have
833 been  already  considered for  chaotic  time  series prediction.   For
834 example,   in~\cite{dalkiran10}  the   authors  have   shown   that  a
835 feedforward  MLP with  two hidden  layers, and  trained  with Bayesian
836 Regulation  back-propagation, can learn  successfully the  dynamics of
837 Chua's circuit.
838
839 In  these experiments  we consider  MLPs  having one  hidden layer  of
840 sigmoidal  neurons  and  output   neurons  with  a  linear  activation
841 function.     They    are    trained    using    the    Limited-memory
842 Broyden-Fletcher-Goldfarb-Shanno quasi-newton algorithm in combination
843 with the Wolfe linear search.  The training process is performed until
844 a maximum number of epochs  is reached.  To prevent overfitting and to
845 estimate the  generalization performance we use  holdout validation by
846 splitting the  data set into  learning, validation, and  test subsets.
847 These subsets  are obtained through  random selection such  that their
848 respective size represents 65\%, 10\%, and 25\% of the whole data set.
849
850 Several  neural  networks  are  trained  for  both  iterations  coding
851 schemes.   In  both  cases   iterations  have  the  following  layout:
852 configurations of  four components and  strategies with at  most three
853 terms. Thus, for  the first coding scheme a data  set pair is composed
854 of 6~inputs and 5~outputs, while for the second one it is respectively
855 3~inputs and 2~outputs. As noticed at the end of the previous section,
856 this  leads to  data sets  that  consist of  2304~pairs. The  networks
857 differ  in the  size of  the hidden  layer and  the maximum  number of
858 training epochs.  We remember that  to evaluate the ability  of neural
859 networks to  predict a  chaotic behavior for  each coding  scheme, the
860 trainings of two data sets, one of them describing chaotic iterations,
861 are compared.
862
863 Thereafter we give,  for the different learning setups  and data sets,
864 the mean prediction success rate obtained for each output. A such rate
865 represent the  percentage of input-output pairs belonging  to the test
866 subset  for  which  the   corresponding  output  value  was  correctly
867 predicted.  These values  are computed  considering  10~trainings with
868 random  subsets  construction,   weights  and  biases  initialization.
869 Firstly, neural networks having  10 and 25~hidden neurons are trained,
870 with   a  maximum   number  of   epochs  that   takes  its   value  in
871 $\{125,250,500\}$  (see Tables~\ref{tab1} and  \ref{tab2}).  Secondly,
872 we refine the second coding scheme by splitting the output vector such
873 that   each  output   is  learned   by  a   specific   neural  network
874 (Table~\ref{tab3}). In  this last  case, we increase  the size  of the
875 hidden layer up to 40~neurons and we consider larger number of epochs.
876
877 \begin{table}[htbp!]
878 \caption{Prediction success rates for configurations expressed as boolean vectors.}
879 \label{tab1}
880 \centering {\small
881 \begin{tabular}{|c|c||c|c|c|}
882 \hline 
883 \multicolumn{5}{|c|}{Networks topology: 6~inputs, 5~outputs and one hidden layer} \\
884 \hline
885 \hline
886 \multicolumn{2}{|c||}{Hidden neurons} & \multicolumn{3}{c|}{10 neurons} \\
887 \cline{3-5} 
888 \multicolumn{2}{|c||}{Epochs} & 125 & 250 & 500 \\ 
889 \hline
890 \multirow{6}{*}{\rotatebox{90}{Chaotic}}&Output~(1) & 90.92\% & 91.75\% & 91.82\% \\ 
891 & Output~(2) & 69.32\% & 78.46\% & 82.15\% \\
892 & Output~(3) & 68.47\% & 78.49\% & 82.22\% \\
893 & Output~(4) & 91.53\% & 92.37\% & 93.4\% \\
894 & Config. & 36.10\% & 51.35\% & 56.85\% \\
895 & Strategy~(5) & 1.91\% & 3.38\% & 2.43\% \\
896 \hline
897 \multirow{6}{*}{\rotatebox{90}{Non-chaotic}}&Output~(1) & 97.64\% & 98.10\% & 98.20\% \\
898 & Output~(2) & 95.15\% & 95.39\% & 95.46\% \\
899 & Output~(3) & 100\% & 100\% & 100\% \\
900 & Output~(4) & 97.47\% & 97.90\% & 97.99\% \\
901 & Config. & 90.52\% & 91.59\% & 91.73\% \\
902 & Strategy~(5) & 3.41\% & 3.40\% & 3.47\% \\
903 \hline
904 \hline
905 \multicolumn{2}{|c||}{Hidden neurons} & \multicolumn{3}{c|}{25 neurons} \\ %& \multicolumn{3}{|c|}{40 neurons} \\
906 \cline{3-5} 
907 \multicolumn{2}{|c||}{Epochs} & 125 & 250 & 500 \\ %& 125 & 250 & 500 \\ 
908 \hline
909 \multirow{6}{*}{\rotatebox{90}{Chaotic}}&Output~(1) & 91.65\% & 92.69\% & 93.93\% \\ %& 91.94\% & 92.89\% & 94.00\% \\
910 & Output~(2) & 72.06\% & 88.46\% & 90.5\% \\ %& 74.97\% & 89.83\% & 91.14\% \\
911 & Output~(3) & 79.19\% & 89.83\% & 91.59\% \\ %& 76.69\% & 89.58\% & 91.84\% \\
912 & Output~(4) & 91.61\% & 92.34\% & 93.47\% \\% & 82.77\% & 92.93\% & 93.48\% \\
913 & Config. & 48.82\% & 67.80\% & 70.97\% \\%& 49.46\% & 68.94\% & 71.11\% \\
914 & Strategy~(5) & 2.62\% & 3.43\% & 3.78\% \\% & 3.10\% & 3.10\% & 3.03\% \\
915 \hline
916 \multirow{6}{*}{\rotatebox{90}{Non-chaotic}}&Output~(1) & 97.87\% & 97.99\% & 98.03\% \\ %& 98.16\% \\
917 & Output~(2) & 95.46\% & 95.84\% & 96.75\% \\ % & 97.4\% \\
918 & Output~(3) & 100\% & 100\% & 100\% \\%& 100\% \\
919 & Output~(4) & 97.77\% & 97.82\% & 98.06\% \\%& 98.31\% \\
920 & Config. & 91.36\% & 91.99\% & 93.03\% \\%& 93.98\% \\
921 & Strategy~(5) & 3.37\% & 3.44\% & 3.29\% \\%& 3.23\% \\
922 \hline
923 \end{tabular}
924 }
925 \end{table}
926
927 Table~\ref{tab1}  presents the  rates  obtained for  the first  coding
928 scheme.   For  the chaotic  data,  it can  be  seen  that as  expected
929 configuration  prediction becomes  better  when the  number of  hidden
930 neurons and maximum  epochs increases: an improvement by  a factor two
931 is observed (from 36.10\% for 10~neurons and 125~epochs to 70.97\% for
932 25~neurons  and  500~epochs). We  also  notice  that  the learning  of
933 outputs~(2)   and~(3)  is   more  difficult.    Conversely,   for  the
934 non-chaotic  case the  simplest training  setup is  enough  to predict
935 configurations.  For all those  feedforward network topologies and all
936 outputs the  obtained results for the non-chaotic  case outperform the
937 chaotic  ones. Finally,  the rates  for the  strategies show  that the
938 different networks are unable to learn them.
939
940 \newpage
941
942 For  the  second  coding   scheme  (\textit{i.e.},  with  Gray  Codes)
943 Table~\ref{tab2} shows  that any network learns about  five times more
944 non-chaotic  configurations  than chaotic  ones.  As  in the  previous
945 scheme, the strategies cannot be predicted.
946
947 Let us now compare the  two coding schemes. Firstly, the second scheme
948 disturbs  the   learning  process.   In   fact  in  this   scheme  the
949 configuration is always expressed as  a natural number, whereas in the
950 first one  the number  of inputs follows  the increase of  the boolean
951 vectors coding configurations. In this latter case, the coding gives a
952 finer information on configuration evolution.
953 \JFC{Je n'ai pas compris le paragraphe precedent. Devrait être repris}
954 \begin{table}[b]
955 \caption{Prediction success rates for configurations expressed with Gray code}
956 \label{tab2}
957 \centering
958 \begin{tabular}{|c|c||c|c|c|}
959 \hline 
960 \multicolumn{5}{|c|}{Networks topology: 3~inputs, 2~outputs and one hidden layer} \\
961 \hline
962 \hline
963 & Hidden neurons & \multicolumn{3}{c|}{10 neurons} \\
964 \cline{2-5}
965 & Epochs & 125 & 250 & 500 \\ %& 1000 
966 \hline
967 \multirow{2}{*}{Chaotic}& Config.~(1) & 13.29\% & 13.55\% & 13.08\% \\ %& 12.5\%
968 & Strategy~(2) & 0.50\% & 0.52\% & 1.32\% \\ %& 1.42\%
969 \hline
970 \multirow{2}{*}{Non-Chaotic}&Config.~(1) & 77.12\% & 74.00\% & 72.60\% \\ %& 75.81\% 
971 & Strategy~(2) & 0.42\% & 0.80\% & 1.16\% \\ %& 1.42\% 
972 \hline
973 \hline
974 & Hidden neurons & \multicolumn{3}{c|}{25 neurons} \\
975 \cline{2-5}
976 & Epochs & 125 & 250 & 500 \\ %& 1000 
977 \hline
978 \multirow{2}{*}{Chaotic}& Config.~(1) & 12.27\% & 13.15\% & 13.05\% \\ %& 15.44\%
979 & Strategy~(2) & 0.71\% & 0.66\% & 0.88\% \\ %& 1.73\%
980 \hline
981 \multirow{2}{*}{Non-Chaotic}&Config.~(1) & 73.60\% & 74.70\% & 75.89\% \\ %& 68.32\%
982 & Strategy~(2) & 0.64\% & 0.97\% & 1.23\% \\ %& 1.80\%
983 \hline
984 \end{tabular}
985 \end{table}
986
987 Unfortunately, in  practical applications the number  of components is
988 usually  unknown.   Hence, the  first  coding  scheme  cannot be  used
989 systematically.   Therefore, we  provide  a refinement  of the  second
990 scheme: each  output is learned  by a different  ANN. Table~\ref{tab3}
991 presents the  results for  this approach.  In  any case,  whatever the
992 considered  feedforward network topologies,  the maximum  epoch number
993 and the kind of iterations, the configuration success rate is slightly
994 improved.   Moreover, the  strategies predictions  rates  reach almost
995 12\%, whereas in Table~\ref{tab2} they never exceed 1.5\%.  Despite of
996 this improvement,  a long term prediction of  chaotic iterations still
997 appear to be an open issue.
998
999 \begin{table}
1000 \caption{Prediction success rates for split outputs.}
1001 \label{tab3}
1002 \centering
1003 \begin{tabular}{|c||c|c|c|}
1004 \hline 
1005 \multicolumn{4}{|c|}{Networks topology: 3~inputs, 1~output and one hidden layer} \\
1006 \hline
1007 \hline
1008 Epochs & 125 & 250 & 500 \\ 
1009 \hline
1010 \hline
1011 Chaotic & \multicolumn{3}{c|}{Output = Configuration} \\
1012 \hline
1013 10~neurons & 12.39\% & 14.06\% & 14.32\% \\
1014 25~neurons & 13.00\% & 14.28\% & 14.58\% \\
1015 40~neurons & 11.58\% & 13.47\% & 14.23\% \\
1016 \hline
1017 \hline
1018 Non chaotic & \multicolumn{3}{c|}{Output = Configuration} \\
1019 \cline{2-4}
1020 %Epochs & 125 & 250 & 500 \\ 
1021 \hline
1022 10~neurons & 76.01\% & 74.04\% & 78.16\% \\
1023 25~neurons & 76.60\% & 72.13\% & 75.96\% \\
1024 40~neurons & 76.34\% & 75.63\% & 77.50\% \\
1025 \hline
1026 \hline
1027 Chaotic/non chaotic & \multicolumn{3}{c|}{Output = Strategy} \\
1028 \cline{2-4}
1029 %Epochs & 125 & 250 & 500 \\ 
1030 \hline
1031 10~neurons & 0.76\% & 0.97\% & 1.21\% \\
1032 25~neurons & 1.09\% & 0.73\% & 1.79\% \\
1033 40~neurons & 0.90\% & 1.02\% & 2.15\% \\
1034 \hline
1035 \multicolumn{4}{c}{} \\
1036 \hline
1037 Epochs & 1000 & 2500 & 5000 \\ 
1038 \hline
1039 \hline
1040 Chaotic & \multicolumn{3}{c|}{Output = Configuration} \\
1041 \hline
1042 10~neurons & 14.51\% & 15.22\% & 15.22\% \\
1043 25~neurons & 16.95\% & 17.57\% & 18.46\% \\
1044 40~neurons & 17.73\% & 20.75\% & 22.62\% \\
1045 \hline
1046 \hline
1047 Non chaotic & \multicolumn{3}{c|}{Output = Configuration} \\
1048 \cline{2-4}
1049 %Epochs & 1000 & 2500 & 5000 \\ 
1050 \hline
1051 10~neurons & 78.98\% & 80.02\% & 79.97\% \\
1052 25~neurons & 79.19\% & 81.59\% & 81.53\% \\
1053 40~neurons & 79.64\% & 81.37\% & 81.37\% \\
1054 \hline
1055 \hline
1056 Chaotic/non chaotic & \multicolumn{3}{c|}{Output = Strategy} \\
1057 \cline{2-4}
1058 %Epochs & 1000 & 2500 & 5000 \\ 
1059 \hline
1060 10~neurons & 3.47\% & 9.98\% & 11.66\% \\
1061 25~neurons & 3.92\% & 8.63\% & 10.09\% \\
1062 40~neurons & 3.29\% & 7.19\% & 7.18\% \\
1063 \hline
1064 \end{tabular}
1065 \end{table}
1066
1067 %
1068 % TO BE COMPLETED
1069 %
1070
1071 \section{Conclusion}
1072
1073 In  this paper,  we have  established an  equivalence  between chaotic
1074 iterations,  according to  the Devaney's  definition of  chaos,  and a
1075 class  of multilayer  perceptron  neural networks.   Firstly, we  have
1076 described how to build a neural network that can be trained to learn a
1077 given chaotic map function. Secondly,  we found a condition that allow
1078 to check whether  the iterations induced by a  function are chaotic or
1079 not, and thus  if a chaotic map is obtained.  Thanks to this condition
1080 our  approach is not  limited to  a particular  function. In  the dual
1081 case, we show that checking if a neural network is chaotic consists in
1082 verifying  a property  on an  associated  graph, called  the graph  of
1083 iterations.   These results  are valid  for recurrent  neural networks
1084 with a  particular architecture.  However,  we believe that  a similar
1085 work can be done for  other neural network architectures.  Finally, we
1086 have  discovered at  least one  family of  problems with  a reasonable
1087 size, such  that artificial neural  networks should not be  applied in
1088 the  presence  of chaos,  due  to  their  inability to  learn  chaotic
1089 behaviors in this  context.  Such a consideration is  not reduced to a
1090 theoretical detail:  this family of discrete  iterations is concretely
1091 implemented  in a  new steganographic  method  \cite{guyeux10ter}.  As
1092 steganographic   detectors  embed  tools   like  neural   networks  to
1093 distinguish between  original and stego contents, our  studies tend to
1094 prove that such  detectors might be unable to  tackle with chaos-based
1095 information  hiding  schemes.
1096
1097 In  future  work we  intend  to  enlarge  the comparison  between  the
1098 learning   of  truly   chaotic  and   non-chaotic   behaviors.   Other
1099 computational intelligence tools such  as support vector machines will
1100 be investigated  too, to  discover which tools  are the  most relevant
1101 when facing a truly chaotic phenomenon.  A comparison between learning
1102 rate  success  and  prediction  quality will  be  realized.   Concrete
1103 consequences in biology, physics, and computer science security fields
1104 will be  stated.
1105
1106 % \appendix{}
1107
1108
1109
1110 % \begin{definition} \label{def2}
1111 % A continuous function $f$  on a topological space $(\mathcal{X},\tau)$
1112 % is defined  to be  {\emph{topologically transitive}}  if for any  pair of
1113 % open  sets $U$,  $V  \in  \mathcal{X}$ there  exists  
1114 % $k \in
1115 % \mathds{N}^{\ast}$
1116 %  such  that
1117 % $f^k(U) \cap V \neq \emptyset$.
1118 % \end{definition}
1119
1120
1121 \bibliography{chaos-paper}% Produces the bibliography via BibTeX.
1122
1123 \end{document}
1124 %
1125 % ****** End of file chaos-paper.tex ******