一种改进混沌神经网络及其在组合优化问题中的应用

在传统的混沌神经网络模型基础上,提出了一种改进的混沌神经网络(ICNN) .通过引入时变的输出函数增益和修正自反馈系数的表达式,使该模型可有效地控制Sigmoid输出函数图形的陡度和模型演化中混沌动态的收敛过程,从而拥有更丰富的神经动力学特性与初值鲁棒性.该模型可有效地解决一系列组合优化问题(COP) ,解决了10个与4 8个城市的TSP问题     

基于整数非线性耦合混沌模型的图像加密算法

以耦合映像格子模型为原型, Arnold猫映射作为空间格点间的耦合方式,选用整数化的Tent映射作为非线性函数,构造了一种整数非线性耦合混沌模型.该模型能快速、并行地产生多维混沌伪随机序列,多维序列具有均匀分布及相互独立的特征,从而克服了混沌伪随机序列发生器设计中存在的根本性缺陷.基于此设计了一种比特级图像置乱加密算法,利用该模型能产生相互独立序列的优势,实现8列图像灰度值并行混淆,并采用猫映射按比特位分块的方式对像素点位置进行置乱处理.最后对图像加密算法的加密效果进行仿真实验评估.     

一个新的多涡卷混沌系统的设计与硬件实现

为了产生复杂的混沌信号,通过在三维系统中引入两个阶跃函数设计了一个新的混沌系统,并对该系统的基本特性进行了分析。该系统能够产生一种新的多涡卷混沌吸引子,设计了一个模拟电路对其进行了实验验证,实验与仿真结果完全吻合。     

错位修正混沌函数投影同步及在保密通信中的应用

研究了一种新的错位修正混沌函数投影同步控制方法及其保密通信应用.基于Lyapunov稳定性理论和主动控制方法,设计非线性反馈控制器和参数更新规则,实现了两个同结构的超混沌系统的不同状态变量之间的错位修正函数投影同步并估计出未知参数.将此方法用于基于混沌遮掩调制的保密通信中.信息信号经过函数转换后被驱动系统状态变量遮掩并作为驱动信号传送到接受端,在接受端通过消除函数尺度因子和反函数变换对信息信号进行恢复.该控制策略具有较强的保密性和实用性.数值仿真证明了该控制方法的有效性.     

具有平面晶体对称性的混沌吸引子的可视化

描述一类具有平面晶体对称性的迭代函数系统 ,以及该类迭代函数系统的对称混沌吸引子的计算机可视化 .该方法为平面铺砌图案的设计提供了一种新的途径     

基于混沌同步与自适应控制的神经元模型参数估计

提出一种基于混沌同步和自适应控制的方法，从神经元的动作电位序列估计神经元模型的所有参数.研究了系统参数扰动对参数估计的影响，得到测量噪声强度与参数估计精度的关系.数值仿真表明该方法能很好跟随参数的扰动.随着测量噪声强度增加，参数估计精度越低.     

一组样条神经网络建模

采用一组样条基函数作为三层前向神经网络中各隐层神经元的传递函数,再以其加权和函数作为网络的非线性输出特性,构成一种样条神经网络模型.仿真实验表明,该网络具有良好的识别非线性系统的性能.     

A Chaotic ANNs Model for Rivers Daily Runoff Forecast

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

基于非对称函数的离散混沌序列长期预测算法

离散混沌信号的迭代长期预测是一个困难问题。根据混沌信号概率密度函数的分布特性和分形特征,提出一种使用形状可自适应变化的基函数的预测算法。通过自适应算法改变基函数的形状参数,使函数波形发生任意改变,以模拟混沌信号密度函数的非对称特性,从而使基函数能够反映出混沌信号的更多特征。通过该算法对离散超混沌信号的长期预测的仿真结果表明,本算法能够有效提高预测精度和预测长度。     

A new kind of neuron model with a tunable activation function and its applications

A new neuron model with a tunable activation function, denoted by the TAF model, and its application are addressed. The activation function as well as the connection weights of the neuron model can be adjusted in the training process The two-spiral problem was used as an example to show how to deduce the adjustable activation function required, and how to construct and train the network by the use of the a priori knowledge of the problem. Due to the incorporation of constraints known a priori into the activation function, many novel aspects are revealed, such as small network size, fast learning and good performances. It is believed that the introduction of the new neuron model will pave a new way in ANN studies.     

立体网格多涡卷混沌系统及其电路实现

在经典Jerk混沌系统和现有多涡卷混沌系统最新研究成果的基础上,引入符号函数构建了一个能够产生立体网格多涡卷混沌吸引子的新型混沌系统模型.该模型的动力学分析和Matlab数值仿真结果表明,该系统能够产生立体网格2×2×2多涡卷混沌吸引子.最后,设计了硬件电路,并且给出了立体网格2×2×2多涡卷的硬件电路实验结果.硬件实验结果与理论分析、仿真结果一致,从而验证了该系统的物理可实现性.     

Firing properties and synchronization rate in fractional-order Hindmarsh-Rose model neurons

We find that the fractional-order Hindmarsh-Rose model neuron demonstrates various types of firing behavior as a function of the fractional order in this study.There exists a clear difference in the bifurcation diagram between the fractional-order Hindmarsh-Rose model and the corresponding integer-order model even though the neuron undergoes a Hopf bifurcation to oscillation and then starts a period-doubling cascade to chaos with the decrease of the externally applied current.Interestingly,the discharge frequency of the fractional-order Hindmarsh-Rose model neuron is greater than that of the integer-order counterpart irrespective of whether the neuron exhibits periodic or chaotic firing.Then we demonstrate that the firing behavior of the fractional-order Hindmarsh-Rose model neuron has a higher complexity than that of the integer-order counterpart.Also,the synchronization phenomenon is investigated in the network of two electrically coupled fractional-order model neurons.We show that the synchronization rate increases as the fractional order decreases.     

分形-混沌混合预测模型在大坝安全监测中的应用

如果能针对大坝监测效应量测值序列建立一种不依赖于环境因子,而又综合考虑序列中蕴含的确定性分量和混沌分量的模型,则可以解决常规统计模型由于模型因子选择不当和环境量观测误差引起的模型失真问题.在对确定性分量、混沌分量和随机性分量可预测性分析的基础上,首先利用分形插值算法建立效应量确定性分量预测模型,然后对实测数据和确定性分量预测结果间的误差序列通过相空间重构建立混沌分量预报模型,再以二者叠加组成最终混合预测模型.计算实例表明,在不依赖于环境因子的情况下,该模型比常规统计模型有更高的预测精度.     

A New Kind of Artificial Neuron Models

ＡＮｅｗＫｉｎｄｏｆＡｒｔｉｆｉｃｉａｌＮｅｕｒｏｎＭｏｄｅｌｓＦＥＮＧＹｉｎｇｉｕｎＲＡＮＱｉｗｅｎＭＡＯＷｅｎｇｅ（冯英浚）（冉启文）（毛文革）（Ｄｅｐｔ．ｏｆＭａｔｈｅｍａｔｉｃｓ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｒ...     

基于TiO_2忆阻器的混沌振荡电路

忆阻器是一种具有记忆性的新型非线性电阻,是继电阻器、电容器和电感器之后的第4种基本电路元件。该文根据惠普实验室提出的荷控型TiO2忆阻器模型,构建了一个磁控TiO2忆阻器模型,采用该磁控忆阻器模型设计了一个新的混沌振荡电路,以期产生复杂的伪随机混沌信号。对该振荡电路的基本动力学特性进行了理论和仿真分析,并进行了DSP芯片实验验证。仿真结果、理论分析和实验观察具有一致性,表明该混沌系统具有与一般混沌系统不同的特性。     

三值逻辑神经元模型及其不确定性推理应用

针对二值神经元在不确定性知识表示和推理中的不足,提出了一种具有三值逻辑表达能力的神经元模型：三值逻辑与神经元和三值逻辑或神经元。采用这种三值逻辑神经元来表示规则和真值状态的不确定性,由这种逻辑神经元连接而成的神经元链能够实现三值逻辑推理系统,可以对三值关联规则进行表示和推理。     

The Neural Network Model of Sinusoid Activation Transfer Function

A new type of neural network is described, which is basing on Fourier series, and the activation transfer function in its neuron model is sinusoid, ft can approximate to any function, which is continuum in every segment, with any precision with by layers only. We also provide the computer approach emulation results of different kinds of static function.