一种新的基于混沌神经网络的动态路由选择算法

针对通信网的路由选择问题,提出了一种动态路由选择的混沌神经网络实现方法。所提出的此方法具有许多优良特性,即暂态混沌特性和平稳收敛特性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷。它通过短暂的倒分叉过程,能很快进入稳定收敛状态。实验证明了本算法能实时、有效地实现通信网的路由选择,并且当通信网中的业务量发生变化时,算法能自动调整最短路径和负载平衡之间的关系。     

一种新的混沌扩频序列产生方法

本文提出了一种新的混沌扩频序列产生方法。该方法基于神经网络的强大学习能力和副近非线性函数能力,应用具有全局最优的ＢＰ改进算法通过训练学习建立起具有混沌性态的优化神经网络模型,利用网络权值调整的灵活性来产生混沌扩频序列。计算机仿真结果表明,该模型产生的混沌扩频序列调整更容易,比基于单一混沌映射能产生更多符合扩频通信要求的扩频序列。     

暂态混沌神经网络及其在优化问题中的应用研究

为了分析研究暂态混沌神经网络特性及其优化机制,在分析与研究暂态混沌神经元模型基础上,通过在Matlab软件中编程仿真分析,比较神经网络的动力学特性及各参数对于网络的寻优过程影响.暂态混沌神经网络模型利用混沌所固有的随机性和轨道遍历性,在大范围内按其自身规律进行搜索,搜索过程按混沌轨道遍历,不受目标函数限制,从而具有克服陷入局部极,1、的能力可有效地解决一系列组合优化问题.这里根据网络动力学特性合理选择控制网络参数,通过仿真很好地解决了非线性函数优化问题和10个城市的TSP问题.相对于传统参数选择依靠经验使优化结果更具说服力,优化结果令人满意.从而有利于这种混沌神经网络在优化问题中的推广.     

一种具有暂态混沌和时变增益的神经网络及其在优化计算中的应用

本文提出了一种具有暂态混沌和时变增益的神经网络。通过引入暂态混沌和时变增益，该网络比Ｈｏｐｆｉｅｌｄ型网络具有更加丰富和更为灵活的动力学特征，从而具有更强的插索全局最优解或近似全局最优解的能力。网络经过一个短暂的倒分叉过程逐渐趋近一个常规的Ｈｏｐｆｉｅｌｄ神经网络，并为其提供了一个在全局最优解附近的初值。它可以用于救解各种复杂的优化问题。大量的数字模拟表明网络能很好地解决Ｈｏｐｆｉｅｌｄ型网络的局     

混沌神经网络及其在保密通信中的应用

具有高度复杂非线性动力学特性的混沌神经网络系统已成为近年来进行加密通信应用研究的热点课题。本文首先概括了混沌神经网络的一些主要理论模型及其非性动力学系统的特点和复杂性，并分析人们如何利用混沌神经网络的系统的这些复杂非线性特点，如混沌同步和混沌吸引子等，进行加密通信的基本算法原理，最后总结有关混沌神经网络及其加密通信应用中所需要进一步研究的一些课题。     

一种基于四维混沌神经网络的通信数据加密算法

混沌神经网络序列具有带宽大、难于预测和重构等特点,因而非常适用于网络通信和数据加密.本文提出一种四维混沌神经网络序列的产生方法,利用四维混沌神经网络进行混合加密,所产生的二值序列对明文进行预处理.实验结果表明,该系统对产生的二值序列,具有良好的初值敏感度,序列随机性较为理想,同时,四维混沌神经网络大大增加了密钥空间,利...     

基于结构自适应神经网络特征选择的一种改进方法

对电子目标识别的关键之一是对目标特征的提取与选择。首先介绍两种特征选择算法:结构自适应神经网络和混沌神经网络,然后对它们的性能进行比较,并分析它们各自的优缺点,在此基础上提出一种特征选择的改进方法,即结合混沌神经网络和结构自适应神经网络的特征选择法,并通过仿真和理论分析验证该方法的可行性。     

一种新的求解线性规划的神经网络

本文提出一种新的求解线性规划的神经网络.理论分析和模拟都表明,我们给出的网络是大范围渐近稳定的,网络给出的解可与线性规划问题的最优解任意接近.     

一种基于神经网络的混沌序列产生方法

应用具有全局最优的ＢＰ改进算法,建立了产生混沌序列的神经网络模型（ＣＧＮＮ）。该模型产生序列随机性良好,序列更换调整容易。对ＣＧＮＮ系统的抗破译性能进行了分析,结果表明,该模型产生的混沌序列确可以作为最优加密密匙及扩频码。     

改进的GMDH型神经网络及其在混沌预测中的应用

本文提出基于改进自组织方法的GMDH（Group Method of Data Handling）型神经网络并将它应用于混沌顶测。一般的GMDH型神经网络的自组织功能是通过给定一个准则阈值来确定或直接给定数值来实现，但GMDH型神经网络的自组织准则的阈值难以合适确定，由此提出了一种简单的自组织方法来实现真正意义上的自组织功能。这种用改进了自组织方法所构成的GMDH型神经网络可以应用于混沌时间序列预测。通过仿真实验，证明其预测效果明显比基本的GMDH型神经网络好，即改进GMDH型神经网络优于基本的GMDH型神经网络。     

A Chaotic Annealing Neural Network with Gain Sharpening and Its Application to 0-1 Constrained Optimization Problems

In this article, we propose sharpening the gain of the chaotic annealing neural network to solve 0- 1 constrained optimization problem. During the chaotic annealing, the gain of the neurons gradually increases and finally arrives at a large value. This strategy can accelerate the convergence of the network to the binary state and keep the satisfaction of the constrains. The simulations, which take the knapsack problems as examples,demonstrate that the approach is efficient both in approximating the global solution and the number of iterations.     

基于耦合的混沌神经网络建模方法

混沌状态下神经网络行为的研究是神经网络理论的一个新内容，由于它可能揭示脑活动的深层机制而广受重视，但是混沌网络信息处理能力进行大量和深入研究却遇到许多障碍，其问题之一是难以为网络系统选择适当的非线性参数。本文提出一种建立混沌神经网络模型的简单耦合方法，解决了选择参数的困难，计算机模拟结果表明，用该模型研究混沌状态下网络动态行为是有效的。     

一种新型的神经网络预测控制方法

预测控制算法的核心是预测过程中的滚动优化,滚动优化方法选择是确定其是否实用的关键,针对这一特点,在此提出了一种以径向基函数（RBF）神经网络为多步预测模型的非线性预测控制算法。算法采用RBF神经网络建立系统预测模型,并以微粒群优化（PSO）算法作为滚动优化算法,用来实现在有限时域内对控制序列的寻优,提高了优化过程的收敛性和求解精度。仿真结果表明了算法的有效性和高效性,获得了良好的控制效果。     

ART-2神经网络及其在入侵检测中的应用

在分别对ART-2神经网络和入侵检测原理进行介绍的基础上,指出用ART-2神经网络作为入侵检测系统检测算法的可行性.利用KDD CUP-99数据集对算法进行了Matlab仿真.实验表明,该入侵检测算法可实现较高的检测率和较低的误检率.     

改进混沌粒子群的动态模糊神经网络参数优化及应用

动态模糊神经网络（DFNN）的性能和学习的稳定性取决于其预设参数的选择,针对DFNN多参数优化问题,提出了改进混沌粒子群优化算法,并将其应用于DFNN神经网络预设参数寻优,以获取最佳参数组合。实验结果表明,该方法能够快速有效地提取DFNN的最优参数组合,具有精度高、收敛快、迭代次数少等特点;利用改进混沌粒子群的动态模糊神经网络构建煤与瓦斯突出预测模型,具有良好的建模效果和更高的预测精度。     

混沌光学系统的神经网络自适应控制研究

提出一种用于混沌光学系统控制的神经网络自适应控制技术。以一前向神经网络作为受控混沌光学系统的系统辩识器，由此神经网络系统辩识器与受控混沌光学系统输出差值作为负反馈对受控混沌光学系统控制参数进行调整达到控制目的。由于所使用神经网络系统辩识器在常规ＢＰ算法的支持下可从受控混沌光学系统的输出时间序列进行动力学模型重构，因而特别适用于对未知动力学表述的混沌光学系统进行控制。以对布喇格声光双稳混沌系统的系统辩识及自适应控制为例，对此神经网络自适应控制技术可行性进行了示例证明。     

基于混沌神经网络的多用户检测器

提出一种基于增广Lagrange乘子——暂态混沌神经网络的码分多址（Code Division Multiple Access，CDMA）多用户检测新技术。该技术将混沌模拟退火算法与增广Lagrange乘子相结合，具有良好的逃逸局部最小点的能力和较快的收敛速度，同时能有效克服惩罚函数的缺点。仿真实验结果表明，基于增广Lagrange乘子——暂态混沌神经网络的多用户检测器，其误码率性能优于Hopfield神经网络及未改进的暂态混沌神经网络等多用户检测器。     

Matlab语言的Neural Network Toolbox及其在同步中的应用

介绍Matlab神经网络工具箱的相关情况及基本应用。结合一些简单的例子进一步对神经网络工具箱中的一些函数及神经网络结构解释和说明。通过该说明明确神经网络工具箱的相关应用,并利用神经网络在同步中的应用进行简单的介绍。通过仿真验证神经网络在同步中的可行性。