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.     

混沌神经网络研究进展与展望

概述了混沌动力学的特性，回顾了近年来混沌神经元主混沌神经网络的研究进展，在此基础上，介绍了两种混沌神经网络模型，分析了其构成和特点，已有研究结果表明，混沌神经网络在联想记忆和组合优化等方面有现有网络更好的性能，最后，指出了混沌神经网络的应用与研究方向。     

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。     

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.     

一种混沌神经网络和动态联想记忆

混饨现象是非线性确定性系统中的一种内在随机过程的表现,普遍存在于自然界及人类让会中~[1]表征这种运动的基本特征量是李雅普诺夫指数(Lyspunov exponent)。当前,入们巳经确认在人类     

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.     

连续学习混沌神经网络的研究

近几年混沌神经网络在信息处理,特别是联想记忆中的应用得到了极大重视。本文提出了一个改进的连续学习混沌神经网络(MSLCNN)模型,它具有两个重要特征：(1)根据不同的输入,神经网络做出不同的响应,可从已知模式来识别未知模式;(2)可连续学习未知模式。计算机仿真表明我们的模型具有应用潜力。     

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。     

混沌神经网络及其在联想记忆中的应用

提出了一种新型的混沌神经网络模型及其相应的学习算法。该学习算法利用了输入模式各元素之间的关联性信息。此文的神经网络可以用于多值模式的联想记忆,与现有的混沌神经网络相比,具有更好的性能。     

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     

一种求解优化问题的新型小波混沌神经网络

基于神经元的自反馈项可产生混沌的现象,将Gauss小波函数作为混沌神经元的自反馈项。分析了Gauss小波的尺度和平移参数对神经元动力学的影响,提出了自反馈连接权和Gauss小波尺度双重模拟退火的混沌神经元。构建了混沌神经网络模型,分析了由Gauss小波函数产生的附加能量函数对网络优化能力的影响。优化问题的仿真结果表明,该网络能够以较快的速度找到优化问题的全局最优解。     

时滞系统的LM-Smith神经网络控制器

针对Smith控制对时滞系统抗干扰性差的弱点,提出了一种基于神经网络辨识的LM-Smith控制器。该控制器在经典Smith控制中引入神经元模型,实时辨识时变被控对象,使预估模型能准确跟踪被控对象,实现对时滞环节的完全补偿。仿真结果表明该方法构造简单、准确性好、鲁棒性较强,改善了经典Smith控制的控制效果。     

基于小波混沌神经网络的语音识别*

基于语音信号的时变特性,提出了一种新型神经网络语音识别方法——小波混沌神经网络方法,即把小波变换和混沌特性引入到神经元,构成小波混沌神经网络,将这种神经网络用于语音识别,并与常用的BP神经网络识别方法进行了比较。实验结果表明,小波混沌神经网络的平均识别率要高于同等条件下常用的神经网络方法的识别率。     

PSO优化BP神经网络的混沌时间序列预测

针对于BP神经网络预测模型,收敛速度慢,精度较低,容易陷入局部极小值等缺点,提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中,粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值,然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明,该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度,减少陷入局部极小的可能。     

The Study of Chaotic Neural Network and its Applications in Associative Memory

Based on an analysis of current principal chaotic neural network models and their applications in information processing, we propose a one-dimensional, two-way coupled map network and a modified definition of an auto-associative matrix. The two-way coupled map network overcomes the weakness of the globally coupled map network and has the same abilities in pattern classification. Numerical simulation experiments have shown that the associative success rate and recall speed of our modified definition of the auto-associative matrix are an improvement them over existing methods. Moreover, the associative recall process of the network is analyzed in detail and explanations of improvement are given, basd on our theoretical analysis.     

基于自适应神经网络的分数阶混沌系统滑模同步

针对一类异结构不确定分数阶混沌系统的同步问题,基于Lyapunov稳定性理论和分数阶系统稳定性理论,提出一种神经网络结合干扰观测器的主动反馈控制方法. 设计一种非线性干扰观测器对干扰进行观测,通过滑模控制对未观测出的部分干扰进行补偿,最终实现分数阶混沌系统的同步.与现有方法相比,采用的模型更符合工程应用实际,且不需要已知不确定项上界.数值仿真验证了所提出方法的有效性和正确性.     

基于模糊混沌神经网络的人脸识别算法

利用混沌对初值的极端敏感依赖性,可以对仅有微小差别的模式进行识别。提出一种基于模糊混沌神经网络的算法,并应用到人脸识别中。由于引入了混沌噪声,可使网络具有很强的抗干扰能力,能有效避免人脸图像光照、姿态等因素对人脸识别的影响,也避免了复杂的特征提取工作。利用ORL人脸图像数据库进行了仿真实验,结果表明,混沌神经网络算法精度高、迭代步骤少、收敛快,混沌神经网络应用于人脸识别是有效的,能提高识别率。     

一种小波神经网络的混沌加密算法研究

概括了小波神经网络的主要理论,将小波神经网络和混沌系统相结合,建立了一种混沌序列的生成模型,给出基于小波神经网络的混沌加密算法,最后对算法进行计算机仿真实验.结果表明小波神经网络具有更快的收敛速度和更准确的逼近能力,而基于小波神经网络的混沌加密算法具有很高的安全性.     

混沌系统的RBF神经网络非线性补偿控制

设计RBF神经网络非线性补偿控制器,提出了混沌系统线性状态反馈的复合控制方法,将可调系统混沌行为镇定到期望目标位置或者变成周期运动.用Lorenz方程作仿真实验,结果证明了该方法的有效性.