神经网络的混沌运动与控制

本文采用一种由混沌神经元构成的联想记忆神经网络．以混沌神经网络为基础,研究其非线 性动力学特性、混沌吸引子轨迹以及对初始条件的敏感性, 实现混沌神经网络的动态联想记 忆功能．在网络输入发生较大变异情况下所发生的失忆,本文采用时空系统混沌控制的钉扎 反馈方法,使网络恢复记忆．上述研究通过对异步电动机故障的动态记忆和恢复控制的仿真 实验得到证实．本文研究结果表明,在国内外对神经网络混沌控制研究的热点中,时空系统 的钉扎反馈控制是一种值得推荐的方法;神经网络的混沌控制扩大了网络的容错性,进而提 高了混沌神经网络的实用性,这将在复杂模式识别,图象处理等工程上具有广阔的应用前景 ．     

基于忆阻器的连续学习混沌神经网络

忆阻器具有独特的记忆功能和连续可变的电导状态,在人工智能与神经网络等研究领域具有巨大的应用优势.详细推导了忆阻器的电荷控制模型,将纳米忆阻器与具有智能信息处理能力的混沌神经网络相结合,提出了一种新型的基于忆阻器的连续学习混沌神经网络模型.利用忆阻器可直接实现网络中繁多的反馈与迭代,即完成外部输入对神经元及神经元之间相互作用的时空总和.提出的忆阻连续学习混沌神经网络可以实现对已知模式和未知模式的区分,并能对未知模式进行自动学习和记忆.给出的计算机仿真验证了方案的可行性.由于忆阻器具有纳米级尺寸和自动的记忆能力,该方案有望大大简化混沌神经网络结构.     

相空间压缩法实现混沌神经网络联想记忆

给出了利用相空间压缩法控制混沌神经网络,使得网络能够收敛于存储的目标模式的充分条件和必要条件.通过数学分析,得到了相空间压缩控制方法中对应参数的上下限;并通过对仿真结果的分析,提出了通过改变相空间压缩控制方法中对应的参数来实现混沌神经网络联想记忆的新方法.以上结果均通过仿真得到验证.     

主动滑模控制时滞时空混沌星形网络的函数投影同步

研究了拓扑等价的多个时空混沌系统组成的星形网络,提出了一种主动滑模控制时滞时空混沌星形网络的函数投影同步控制方法,实现了多个时空混沌系统的同步.在结合主动控制和滑模控制方法的基础上,设计了主动滑模控制器的结构,得到了网络函数投影同步的必要条件.以Gray—Scott时空系统作为网络节点构成的星形网络为例进行了仿真模拟.结果验证了主动滑模控制器的有效性.     

用于信息处理的延时混沌神经网络

为了提高混沌神经网络用于信息处理的能力,采用一种参数调节控制方法,通过对一种延时对称全局耦合混沌神经网络的黏合参数的控制研究了网络的动态联想记忆,使被控网络在仅有部分神经元进入周期态的情况下达到输出稳定,并且稳定输出序列只包含与输入模式相关的存储模式及其相反模式。仿真实验说明网络具有良好的容错能力和很高的回忆正确率,适合应用于信息处理和模式识别。     

混沌神经网络的研究进展

回顾了近年来几种主要混沌神经元模型及混沌神经网络的研究进展,介绍了其特点及主要的应用.已有的研究结果表明,混沌神经网络在求解复杂优化问题和联想记忆等方面比现有网络有着更好的性能.     

基于混沌神经网络的发电机定子绕组匝间短路故障诊断

本文采用耦合的混沌振荡子作为单个混沌神经元构造混沌神经网络模型，用改进Hebb算法设计网络的连接权值。在此基础上，实现了混沌神经网络的动态联想记忆并应用该混沌神经网络模型对发电机定子绕组匝间短路故障进行诊断。结果表明，该种方法有助于故障模式的记     

基于混沌神经网络的电机故障诊断

采用全局耦合混沌神经网络模型，每个神经元的动力学行为由反对称立方映像表示。采用Hebb算法设计网络的连接权值矩阵．将记忆模式的回忆过程转化为耦合系统中参数演变的过程，从而实现了混沌神经网络的联想记忆。根据提出的能量击穿规则，扩大了样表的吸引域。在此基础上，应用该混沌神经网络对异步电机转子断条故障进行诊断。结果表明，该种方法有助于故障模式的记忆和重现。     

对处于混沌状态的神经网络的控制

本文针对一种具有高阶、非对称和稀疏联结的Hopfield型神经网络,利用控制混沌的著名方法--OGY方法,对处于混沌状态的网络进行控制,使网络的状态稳定在其演化方程的不稳定平衡点附近.     

基于振荡型混沌神经网络的智能信息处理研究

提出了振荡型混沌神经网络的结构模型和动力方程,证明了该网络的稳定性和Hopf 分支的必要条件,得到了在三维模式空间中的轨迹,利用功率谱密度分析了重迭函数的波形.试 验结果表明输入模式在靠近和远离记忆模式两种情况时,网络具有不同的信息处理能力.该网 络在时空模式的动力信息处理和智能信息处理系统中有很重要的应用价值.