基于自适应神经网络模糊系统的混沌音频水印盲检测

自适应神经网络模糊推理系统(AdaptiveNeuro FuzzyInferenceSystem, ANFIS)是将Sugeno一阶模糊系统以网络的形式来实现而得到的一种多输入单输出的神经网络。它能够很好的模拟出输入输出之间的关系,且收敛速度快,误差小,所需训练样本少,非常有利于水印信号的盲分离。利用ANFIS良好的自适应控制能力提出了一种具有较强鲁棒性的DCT域音频水印盲检测算法,实验证明,该水印检测算法准确性高,时间代价小,具有较强的抗攻击性,很有实用价值。     

一种改进的暂态混沌神经网络多用户检测算法

分析了暂态混沌神经网络中的模拟退火函数和自反馈连接权值的敏感性,提出了一种基于模拟退火优化的自适应暂态混沌神经网络,具有较好的逃逸局部最优点的能力,并将其应用于DS/CDMA的多用户检测技术。仿真结果表明,基于模拟退火优化的自适应暂态混沌神经网络多用户检测算法,其误码率性能以及抗远近效应能力优于已有的神经网络多用户检测算法,并具有较好的信干比。     

一种新型暂态混沌神经网络及其在函数优化中的应用

本文提出了一种新颖的混沌神经元模型，其激励函数由Gauss函数和Sigmoid函数组成，分又图和Lyapunov指数的计算袁明其具有复杂的混沌动力学特性。在此基础上构成一种暂态混沌神经网络，将大范围的倍周期倒分叉过程的混沌搜索和最优解邻域内的类似Hopfield网络的梯度搜索相结合，应用于函数优化计算问题的求解。实验证明，它具有较
较强的全局寻优能力和较快的收敛速度。     

暂态混沌神经网络中的模拟退火策略优化

分析了暂态混沌神经网络(TCNN)模型的动力学特性对自反馈连接权值的敏感性,研究了退火函数对优化过程中的准确性和计算速度的影响。给出一种对模拟退火策略的优化算法,在保证优化算法准确性的基础上,加快收敛速度,并利用两个典型的函数优化的例子验证了这种优化策略的有效性。     

基于混沌神经网络的故障暂态量选线方法研究

为了有效提取故障暂态信息,研究选取适当的小波包基函数.针对电力系统故障暂态量的特点,为了有效克服非故障暂态信号的干扰,研究选取了容错性和联想记忆功能很强的混沌神经网络实现故障选线,并采用改进的遗传算法对混沌神经网络的权值和参数同时进行训练,加快其收敛速度.根据目标模式与神经元的输出状态构造了数值型选线判据.通过实验算例验证了基于暂态量选线判据的有效性和适用性.     

基于混沌神经网络的故障暂态量选线方法研究

为了有效提取故障暂态信息,研究选取适当的小波包基函数。针对电力系统故障暂态量的特点,为了有效克服非故障暂态信号的干扰,研究选取了容错性和联想记忆功能很强的混沌神经网络实现故障选线,并采用改进的遗传算法对混沌神经网络的权值和参数同时进行训练,加快其收敛速度。根据目标模式与神经元的输出状态构造了数值型选线判据。通过实验算例验证了基于暂态量选线判据的有效性和适用性。     

利用神经网络盲估计混沌直扩信号扩频序列*

混沌扩频序列具有比传统直扩序列更高复杂度的特点,然而它也同时是盲估计混沌直扩序列的难点。利用神经网络能无限任意逼近非线性函数的特点,设计了一种改进型的基于神经网络盲估计混沌扩频序列的方法。仿真结果表明,该方法无需搜索信息码和扩频序列之间的同步点,即使是在较低信噪比的条件下,仍然能有效的从噪声背景中盲分离出混沌扩频信号,并且盲估计出原始混沌序列。     

基于暂态混沌神经网络的组播路由算法

讨论了高速包交换计算机网络中具有端到端时延的组播路由问题。首先给出了这类问题的网络模型及其数学描述，然后提出了基于暂态混沌神经网络的组播路由算法。实验结果表明，该算法能够快速有效地实现组播路由优化，并且计算性能及解的质量优于基于Hopfield神经网络的路由算法。     

改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。     

监控视频横向条纹扰动快速盲检测算法

针对视频中可能出现的横向条纹扰动会导致大量信息丢失的问题,提出一种基于时空域特性的快速条纹扰动盲检测算法。该方法首先总结了条纹颜色、形状以及运动性三方面特征。通过利用条纹的颜色和形状特征,计算行累计分布和行方差分布,得到空域内的条纹检测指标。再利用条纹的移动特性,通过帧间差分法和基于对称性的滤波获得条纹滤波图像,进而计算行方向的数据分布,得到时域内的检测指标。最后通过对时空域内检测结果的融合完成对条纹扰动的最终检测。实验结果表明该方法鲁棒性高、速度快、能够准确地检测视频条纹扰动。     

基于耦合瞬态混沌神经网络的同等并行机调度

在各种生产制造系统中都广泛存在着同等并行机调度. 本文提出了一种新的耦合瞬态混沌神经网络来求解同等并行机调度问题. 通过引入新的换位矩阵将该问题的混合整数规划模型转化为耦合瞬态神经网络的计算结构. 同时, 提出了新的计算能量函数, 使其能够包含所有约束和目标. 此外, 采用时变惩罚参数, 克服了能量函数中各惩罚项之间的权衡问题. 最后, 将该算法应用于求解 3 种不同规模的随机问题并进行仿真, 每种规模随机测试 100 次. 结果显示, 该算法能在合理的时间内收敛, 并求解出这些随机问题.     

混沌RBF神经网络异常检测算法

针对传统神经网络异常检测算法的准确率问题,文中将混沌和RBF（Radial Basis Function）神经网络相结合,既可利用混沌的随机性、初值敏感性等特点,也可发挥RBF神经网络大规模并行处理、自组织自适应性等功能。文中对混沌时间序列进行相空间重构得到相空间向量,作为RBF神经网络的输入,通过RBF神经网络构建电力负荷序列的拟合函数,在此基础上进一步预测,比较预测值与真实值的偏差,从而判断检测信号是否为异常信号。实验结果表明,该方法相对其他算法预测精度更高,具有较好的异常检测能力。     

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入,利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时,通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息,再利用嵌水印图像和联想出的宿主图像提取出水印,实现了水印的盲检测。     

暂态混沌神经网络在蛋白质关联图预测中应用研究

蛋白质结构预测是生物信息学的一个主要研究方向,而蛋白质关联图预测是其中的一个重要内容.针对蛋白质关联图预测问题,提出一种暂态混沌神经网络实现方法,所提出的方法具有暂态混沌特性和平稳收敛特性,能有效避免传统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.仿真结果表明:暂态混沌神经网络解决蛋白质关联图预测问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率.这种方法预测精度达到0.27,比随机预测器高9倍.     

基于小波混沌神经网络的图像复原算法

提出了一种将小波理论和混沌理论应用于改进的连续Hopfield神经网络的图像复原算法.文章在Hopfield神经网络应用于图像复原基础上,引入小波理论和混沌理论对Hopfield网络进行训练和调整,给出具体的小波混沌神经网络算法方案设计,并将改进后的算法应用于图像复原仿真.实验结果证明该小波混沌神经网络的图像复原方法得到的复原图像信噪比更高,可视效果更佳.     

基于混沌神经网络的图像复原算法

文章提出了一种基于混沌神经网络的图像复原新算法。在对退化图像进行复原的过程中,针对Hopfield算法易于陷入局部极小的缺点,在Hopfield神经网络中引入暂态混沌和时变增益,充分利用混沌理论的全局搜索性能进行＂粗＂搜索,当搜索到全局最优解附近时,再利用Hopfield算法进行局部搜索。通过对图像复原后的效果进行比较,证明基于混沌神经网络方法得到的图像复原的信噪比更高,目视效果更加。     

混沌系统的神经网络控制

提出一种利用神经网络控制系统混沌运动的新方法,并用该方法实现了Ｌｏｒｅｎｚ和Ｒｏｓｓｌｅｒ系统混沌运动控制,从而使系统由混沌运动状态转变为规则运动状态。仿真结果表明,该方法控制混沌系统响应速度快,控制精度高。     

一种基于退火策略的混沌神经网络优化算法

Ｈｏｐｆｉｅｌｄ网络（ＨＮＮ）中引入混沌机制,首先在混沌动态下粗搜索,并利用退火策略控制混沌动态退出和逆分贫出现,进而ＨＮＮ梯度优化搜索,提出了一种具有随机性和确定性并存的优化算法,对经典旅行商（ＴＳＰ）的研究,表明算法具有很强的克服陷入局部极小能力,较大程度提高了优化、时间和对初值的鲁棒性能,同时给出了模型参数对性能影响的一些结论。     

基于径向基函数神经网络的混沌干扰信号检测

为提高强混沌背景下谐波信号的检测能力,提高系统的信噪比,提出了一种在混沌背景噪声中提取正弦信号的RBF神经网络方法。依据混沌吸引子固有的几何特性和混沌系统轨迹点在流形中的演化规律,建立混沌系统的RBF神经网络单步预测模型,改进了网络的学习算法,利用RBF神经网络对输入扰动的敏感,预测出误差信号。分析了在低信噪比下的检测性能。通过对Lorenz流和实际舰船辐射噪声信号中的信号检测进行计算机仿真实验,验证了算法的有效性和可行性,并且实验表明信噪比最低达-40dB时,仍能有效检测出信号。     

Secured ECG Signal Transmission Using Optimized EGC with Chaotic Neural Network in WBSN

In wireless body sensor network (WBSN), the set of electrocardiogram (ECG) data which is collected from sensor nodes and transmitted to the server remotely supports the experts to monitor the health of a patient. While transmitting these collected data some adversaries may capture and misuse it due to the compromise of security. So, the major aim of this work is to enhance secure transmission of ECG signal in WBSN. To attain this goal, we present Pity Beetle Swarm Optimization Algorithm (PBOA) based Elliptic Galois Cryptography (EGC) with Chaotic Neural Network. To optimize the key generation process in Elliptic Curve Cryptography (ECC) over Galois field or EGC, private key is chosen optimally using PBOA algorithm. Then the encryption process is enhanced by presenting chaotic neural network which is used to generate chaotic sequences or cipher data. Results of this work show that the proposed cryptography algorithm attains better encryption time, decryption time, throughput and SNR than the conventional cryptography algorithms.