基于混沌神经网络模型的查询扩展

针对传统的信息检索模型只能进行精确匹配的问题，提出一种基于混沌神经网络模型的查询扩展方法，利用混沌神经网络较强的记忆性、学习性和联想性，对用户查询行为进行学习，从而对用户的初始查询进行扩展和重构，以得到符合不同用户的检索结果。与传统的神经网络信息检索模型的对比实验表明，新模型具有更高的查全率和查准率。     

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。     

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。     

The hysteretic Hopfield neural network

A new neuron activation function based on a property found in physical systems-hysteresis-is proposed. We incorporate this neuron activation in a fully connected dynamical system to form the hysteretic Hopfield neural network (HHNN). We then present an analog implementation of this architecture and its associated dynamical equation and energy function. We proceed to prove Lyapunov stability for this new model, and then solve a combinatorial optimization problem (i.e., the N-queen problem) using this network. We demonstrate the advantages of hysteresis by showing increased frequency of convergence to a solution, when the parameters associated with the activation function are varied.     

基于Preisach模型的深度学习网络迟滞建模

针对传统压电扫描器迟滞模型泛化能力较弱的问题,提出了一种基于Preisach模型的深度学习网络来建立迟滞模型,提高了模型的学习能力和泛化能力.具体而言,首先利用深度学习在深度特征提取方面的优势,建立包含卷积层、池化层、展开层以及深度特征层的深度学习层来提取输入电压信号的特征信息;其次,利用傅里叶变换层计算得到输入信号的频率,并将频率输入到非线性层,构造并输出了与输入信号频率相关的非线性项,该非线性项作为权值函数与Preisach模型的迟滞单元输出相乘,并将乘积叠加得到了频率相关的模型输出向量;最后,将深度学习层输出的特征向量与Preisach模型输出向量点乘,即可得到深度学习网络的最终输出位移.同时利用电容位移传感器采集的16组输入输出信号对深度学习网络进行训练,得到了网络中的权值参数,并利用其他8组输入输出数据对深度网络进行测试,训练和测试结果表明,本文所提出的基于Preisach模型的深度学习网络在得到高精度迟滞模型的同时,提高了模型的泛化能力.     

A novel Hash algorithm construction based on chaotic neural network

An algorithm for constructing a one-way novel Hash function based on two-layer chaotic neural network structure is proposed. The piecewise linear chaotic map (PWLCM) is utilized as transfer function, and the 4-dimensional and one-way coupled map lattices (4D OWCML) is employed as key generator of the chaotic neural network. Theoretical analysis and computer simulation indicate that the proposed algorithm presents several interesting features, such as high message and key sensitivity, good statistical properties, collision resistance and secure against meet-in-the-middle attacks, which can satisfy the performance requirements of Hash function.     

Parallel chaotic Hash function construction based on cellular neural network

A new parallel chaotic Hash function, based on four-dimensional cellular neural network, is proposed in this paper. The message is expanded by iterating chaotic logistic map and then divided into blocks with a length of 512 bits each. All blocks are processed in a parallel mode, which is one of the significant characteristics of the proposed algorithm. Each 512-bit block is divided into four 128-bit sub-blocks, each of which is further separated into four 32-bit values and then the four values are mixed into four new values generated by chaotic cat map. The obtained four new values are performed by the bit-wise exclusive OR operation with four initial values or previously generated four values, and then, they are used as the inputs of cellular neural network. By iterating cellular neural network, another four values as the middle Hash value are generated. The generated values of all blocks are inputted into the compression function to produce the final 128-bit Hash value. Theoretical analysis and computer simulation indicate that the proposed algorithm satisfies the requirements of a secure Hash function.     

基于DSP的混沌BP神经网络的实现

文中介绍了一种将混沌和BP神经网络结合起来的算法,以解决由于采用梯度算法使得标准BP神经网络存在易陷入局部极小值的问题。并提出一种利用TI公司的TMS320C5410芯片实现混沌BP神经网络算法的软硬件方案。该方案具有运算能力强、实时性好的特点。     

基于深度神经网络的蒙古语声学模型建模研究

针对高斯混合模型在蒙古语语音识别声学建模中不能充分描述蒙古语声学特征之间相关性和独立性假设的问题,开展了使用深度神经网络模型进行蒙古语声学模型建模的研究。以深度神经网络为基础,将分类与语音特征内在结构的学习紧密结合进行蒙古语声学特征的提取,构建了DNN-HMM蒙古语声学模型,结合无监督预训练与监督训练调优过程设计了训练算法,在DNN-HMM蒙古语声学模型训练中加入dropout技术避免过拟合现象。最后,在小规模语料库和Kaldi实验平台下,对GMM-HMM和DNN-HMM蒙古语声学模型进行了对比实验。实验结果表明,DNN-HMM蒙古语声学模型的词识别错误率降低了7.5%,句识别错误率降低了13.63%;同时,训练时加入dropout技术可以有效避免DNN-HMM蒙古语声学模型的过拟合现象。     

The agile improvement of MMORPGs based on the enhanced chaotic neural network

Massive multiplayer online role playing games (MMORPGs) should be continuously and incrementally modified to meet with the customers’ increasing demand. However, that is a tough task since the number of customers is huge and all of the customers are geographically dispersed. Therefore, this paper presents an agile improvement system by using the action diagram and the enhanced chaotic neural network (ECNN) model, combining the merits of chaotic neural network, fuzzy analytic hierarchy process (AHP), and genetic algorithm in one consolidated model. It is expected that the proposed method will overcome most of the disadvantages of published models, particularly the accuracy of customer satisfaction model and the validity of modification decision. Also, it gives a chance to meet the demands of customers at an optimal cost and make the hard but necessary improvement decisions whenever they are required.     

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.     

基于进化神经网络的玩家情感定量建模方法

玩家建模是游戏设计领域中一项重要的研究内容,国外学者已经提出了基于统计学的建模方式,但是这类方法需要主观构建数学模型,缺乏客观性。提出一种基于进化神经网络的定量建模方法,构建从游戏数据到玩家情感偏好之间的非线性模型。实验结果表明,该方法所建模型具有客观、高效的特点,并且具有较高准确度。     

带扰动的混沌神经网络的研究

为了研究混沌神经网络的抗扰动能力,在Chen’s混沌神经网络中引入了三角函数扰动项,研究了带扰动的Chen’s混沌神经元模型,给出了该混沌神经元的倒分岔图和Lyapunov指数图,分析了其动力学特性。基于该混沌神经元模型,构造了带扰动的Chen’s混沌神经网络,并将其应用于函数优化和旅行商问题（TSP）。仿真结果表明：Chen’s混沌神经网络有一定的抗扰动能力。     

整合神经网络置乱图像的动态自反馈混沌系统图像加密

目的 针对当前大多数数字图像加密算法多采用单一的混沌系统,且置乱方法基本只采用像素行列互换、Arnold变换、Baker变换、序列排序构造替换表等几类,提出一种新的整合神经网络置乱图像的动态自反馈混沌系统图像加密算法。方法 该算法通过1维Logistic混沌、chebyshev混沌和自定义m（x）运算构造了一种动态自反馈混沌系统,通过频数检测、序列分布图、平衡度分析、相关性分析、Lyapunov指数验证了系统的随机性,并对其序列进行了均匀化处理,通过序列均匀性证明、序列分布图、序列期望和方差验证了均匀化效果。该算法从混沌序列中随机选取输入值和参数输入神经网络,采用每组神经网络输出值构造置乱矩阵进行初次全局置乱,再从bit位进行二次置乱;采用两组与明文相关的秘钥序列进行像素值替代扩散,使得明文到密文经过中间密文变化,增强了算法的安全性。结果 通过计算机仿真和性能分析表明该加密算法体现了良好的密码学特征,从秘钥空间、秘钥敏感性、统计分析、信息熵、差分分析、相邻像素相关性分析各方面验证了其安全性,数据表明该算法秘钥空间达到了2²¹⁶,信息熵为7.998 3,水平、垂直、对角方向相邻像素相关系数分别为-0.000 381、0.000 607、-0.000 309,NPCR值介于（0.995~80.996 6）之间,UACI值介于（0.333~0.338）之间。结论 该算法可以实现良好的加密效果,在数据对比上优于超混沌系统图像加密、像素位置和bit位双重置乱加密等,可以被广泛应用在灰度图像加密中乃至扩展到彩色图像加密中,能够起到图像信息在网络传输、存储中的隐私保护作用。     

Lossless image compression-encryption algorithm based on BP neural network and chaotic system

Multimedia Tools and Applications - In this paper, a fractional-order memristive band-pass filter (BPF) chaotic circuit is constructed base on BPF chaotic circuit and fractional definition. The...     

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.     

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.     

Electrical load forecasting based on self-adaptive chaotic neural network using Chebyshev map

Neural Computing and Applications - The importance of electrical load forecasting stems from energy planning and formulating strategies in power system. In this paper, a novel chaotic...     

基于神经网络的电信客户流失预测主题建模及实现

客户流失管理是电信运营商通过对客户需求满意度调查进行有针对性挽留客户的一个重要方法，其中最关键的就是对客户流失行为做出预测。提出了一种基于神经网络的客户流失预测模型。根据行业专家经验值选取分析变量，通过神经网络计算分析变量的权值，建立客户流失预测模型并对客户流失趋势进行预测。该方法与决策树和贝叶斯网络等算法相比，通过使用两次神经网络，从原始数据上千个属性中提炼出与客户流失度相关性较大的属性，分析出的影响流失属性更利于下一步的客户挽留工作。