基于自适应模拟退火的变频正弦混沌神经网络

针对变频正弦混沌神经网络寻优精度与收敛速度无法兼顾的问题,通过分析暂态混沌神经网络的优化机制和现有的退火策略,提出了一种基于自适应模拟退火策略的变频正弦混沌神经网络模型.该模型可以根据混沌神经元的Lyapunov指数来确定合适的自反馈连接权值.给出了混沌神经元的倒分岔图、Lyapunov指数及不同退火函数的时间演化图,证明了自适应模拟退火策略能够自主选择合适的退火速度,更有效的利用混沌全局搜索能力,并加快非混沌态的演化时间.为了证明该模型的有效性,将其应用于函数优化和组合优化问题中.仿真实验表明：（1）对于该模型退火速度的选择,自适应模拟退火策略比现有的几种退火方法更具有灵活性和适应性;（2）该模型在寻优精度和速度上比暂态混沌神经网络及其他改进模型具有更好的兼顾性.     

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.     

量子神经元特性研究

量子神经计算是传统神经计算自然演化发展的产物，它有可能成为新的信息处理技术。本文介绍了与量关的量子计算基础，描述了一种量子神经元模型，提出了一种量子学习算法，通过理论推导和仿真证明了算法的收敛性并给出了几种收敛特性曲线.应用量子计算方法分析了该量子神经元模型的量子逻辑运算功能,分析和实验证明了单个量子神经元能实现经典神经元无法实现的XOR函数,并具有与两层前向神经网络相当的非线性映射能力.     

一个脉冲发放型人工神经元

本文首先总结了生物神经元的一些基本特性,对调节联接的霍伯(Hebb)规则提出了新的见解,得出生物神经元的总和过程是间歇式的结论,通过对支配神经元活动的Hodgkin-Huxley方程进行合理简化得到一个具有类似于生物神经元动作方式的人工神经元;给出了这一模型的电路实现和解析解 ;最后,研究了该模型组成的多层网络实现异或分类问题.该模型具有生物神经元的主要特性,如总和效应、潜伏期和不应期等,并且兼顾到在工程上其容易由硬件、软件实现等问题.     

基于双Sigmoid小波混沌神经网络的盲检测算法*1

接要:针对在盲检测环境中暂态混沌神经网络的缺陷,提出了基于双Sigmoid小波混沌神经网络的盲检测算法,构建了新网络的模型和能量函数,并分别在同步和异步更新模式下证明了该网络的稳定性.新网络的设计思想体现在:采用墨西哥帽小波函数和Sigmoid函数的组合作为网络的激励函数,再为每个神经元加一个激活函数构成双Sigmoid.仿真表明:由于小波函数较强的逼近能力以及双Sigmoid快速收敛的特性,提出的算法显著地提高了网络的全局寻优能力和寻优精度.     

基于混沌神经网络的移动通信信道分配方法研究

该文应用混沌神经网络求解信道分配问题,给出了信道分配的能量函数表达式和混沌神经网络模型,研究了判别混沌神经网络混沌特性的Lyapunov指数法,讨论了网络模型参数对网络混沌特性的影响,提出了基于混沌神经网络的信道分配算法.仿真结果表明,混沌神经网络具有复杂的瞬态混沌特性,它比Hopfield网络具有更强的搜索全局最优解的能力,和更快的收敛速度.     

一种新的混沌方程及其超混沌网络模型

考虑器件实现方面的简单性,提出一种新的混沌方程模型,并通过单向耦合法构成超混沌网络。通过微机模拟表明网络具有丰富的混沌、超混沌现象。进而在单向耦合法基础上,提出参数耦合法,利用此方法,构造成的二维混沌网络具有超混沌动力学特性。网络具有高效、灵活、易于器件实现的特点。这种新的混沌方程及超混沌网络模型可望在提高激光器的输出功率、保密通信等领域获得广泛应用     

具有非线性映射特性的量子神经元

介绍了与量子神经网络相关的量子计算基础，描述了一种量子神经元模型，分析了该模型的量子运算特性。分析和实验证明单个量子神经元能实现经典神经元无法实现的XOR函数，并具有与两层前向神经网络相当的非线性映射能力。     

分段线性脉冲神经元模型的动力学特性分析

 结合Hodgkin-Huxley神经元模型的动力学特性与Integrate-and-Fire神经元模型的解析特性,提出了一种新的二维分段线性脉冲神经元模型.该模型的优点在于既可通过分叉理论对兴奋性系统进行定性描述,又可通过状态变量的解析式对神经元行为进行定量分析.通过详细的分析,发现该模型具有许多一维Integrate-and-Fire神经元模型所不具有的新的神经计算特性.在实验中,应用该模型模拟了大部分已知皮层神经元的脉冲和簇放电行为.     

基于混沌遗传的异构无线网络接入选择策略

为了解决异构无线网络接入选择问题,提出一种基于混沌遗传算法的解决方法.将网络接入选择转换为一个多属性优化问题,利用混沌遗传算法解决全局寻优问题.算法首先通过超混沌系统产生初始种群和混沌扰动向量,对遗传算法进行改进;然后利用混沌遗传算法对适应度函数求解得到网络选择评价指标权重.仿真结果表明,该算法能够使新到达的用户更均匀地分布在各备选网络中,有效降低网络阻塞率并减小各候选网络阻塞率差距,实现网络的负载均衡.     

Chaotic neural network for associative memory

Based on current research on applications of chaotic neuron network for information processing, the stability and convergence of chaotic neuron network are proved from the viewpoint of energy function. Moreover, a new auto-associative matrix is devised for artificial neural network composed of chaotic neurons, thus, an improved chaotic neuron network for associative memory is built up. Finally, the associative recalling process of the network is analyzed in detail and explanations of improvement are given.     

带白噪声的混沌神经网络的能量函数分析

为研究混沌神经网络抗噪声的能力,在陈的混沌神经网络模型中引入噪声函数,研究带白噪声的混沌神经网络模型,给出混沌神经元的倒分岔图和Lyapunov指数图,分析其动力学特性。基于该混沌神经元模型,构造带白噪声的混沌神经网络,并进行能量函数分析,验证其稳定性。结果表明,只要适当的调节噪声系数,系统仍将具有良好的稳定性,系统具有一定的抗噪声干扰能力。在实际应用环境中可以通过调节噪声系数为适当的负值,从而使系统具有更好的优化能力。     

具有时延的神经元模型耦合系统的混沌同步

该文研究了一个由有混沌现象的具有时延的简单神经元模型构成的耦台系统的混沌同步,具有时延的神经元模型混沌系统,对时延的初始值具有敏感性,对于任意激活函数,用解析分析方法得到了耦合系统达到强同步的一般化条件。     

A Heterogeneous Network Access Selection Algorithm Based on Attribute Dependence

In order to solve the problem which fails to consider the degree of attribute dependence in current network access selection schemes, a novel heterogeneous network access selection scheme based on attribute dependence is proposed in this paper. The scheme translates the network access selection problem into the problem of multi-attribute decision making based on attribute dependence and solves it using the chaotic glowworm swarm based algorithm. First, the degree of attribute dependence is measured and the access selection model is established based on the degree of attribute dependence. Then, the chaotic glowworm swarm based algorithm is used to solve the optimal weight in the model. Finally, the user accesses the network with the best performance based on the access selection model. The simulation results demonstrate the improved performance of the proposed access selection scheme compared with other schemes. The proposed scheme can reduce blocking and handoff dropping rate, as well as the number of handoff. Moreover, the proposed scheme achieves the load balance of each network.     

基于混沌神经元的延时滥用入侵检测模型

在研究混沌神经元延时特性的基础上,构建了MLP/CNN混合前馈型神经网络.提出基于混沌神经元的滥用入侵检测模型,它既具备MLP的分类功能,又具有混沌神经元的延时、收集和思维判断功能,具有灵活的延时分类特性,因而能够有效地识别分布式入侵.使用从网络数据流中获取的样本,以FTP口令穷举法入侵为例,对该模型进行仿真和整体测试,结果表明可以依据实际情况设置入侵判据,本文对FTP入侵检测的精确率在98%以上,误报率和漏报率均小于2%.该模型可以推广到检测分布式DOS等具有延时特性的攻击行为和具有延时分类要求的其它系统中.     

Noisy Chaotic Neural Networks With Variable Thresholds for the Frequency Assignment Problem in Satellite Communications

We propose a novel approach, i.e., a noisy chaotic neural network with variable thresholds (NCNN-VT), to solve the frequency assignment problem in satellite communications. The objective of this NP-complete optimization problem is to minimize cochannel interference between two satellite systems by rearranging frequency assignments. The NCNN-VT model consists N times M of noisy chaotic neurons for an N-carrier M-segment problem. The NCNN-VT facilitates the interference minimization by mapping the objective to variable thresholds (biases) of the neurons. The performance of the NCNN-VT is demonstrated by solving a set of benchmark problems and randomly generated test instances. The NCNN-VT achieves better solutions, i.e., smaller interference with much lower computation cost compared to existing algorithms.     

Circuit Design of On-Chip BP Learning Neural Network with Programmable Neuron Characteristics

A circuit system of on chip BP(Back-Propagation) learning neural network with pro grammable neurons has been designed,which comprises a feedforward network,an error backpropagation network and a weight updating circuit. It has the merits of simplicity,programmability, speedness,low power-consumption and high density. A novel neuron circuit with pro grammable parameters has been proposed. It generates not only the sigmoidal function but also its derivative. HSPICE simulations are done to a neuron circuit with level 47 transistor models as a standard 1.2tμm CMOS process. The results show that both functions are matched with their respec ive ideal functions very well. The non-linear partition problem is used to verify the operation of the network. The simulation result shows the superior performance of this BP neural network with on-chip learning.     

非单调混沌神经元的电路实现

提出了一种非单调Ｈｏｆｉｅｌｄ型混沌神经元的电路设计，在电路中我们把轨迹状态参数的调节用可调电阻来实现，通过改变可调电阻的阻值就可以改变神经元的吸收子性质，从而可以很方便地通过实验来研究混沌神经元的动力学行为。应用该电路，我们成功地观测到了神经元的不动点、倍周期分岔和混沌现象。     

基于混沌神经网络的并行哈希函数

结合陈氏混沌系统和神经网络的特点,提出一种新的带密钥单向哈希函数的构造方法。该方法利用陈氏混沌系统复杂的动力学特性及神经网络良好的压缩性,构造一种具有并行特性的消息哈希函数。结果表明,新方法具有较好的数据处理能力,很好的单向性、初值敏感性和较高的效率。