共查询到18条相似文献,搜索用时 156 毫秒
1.
前馈神经网络的混沌学习方法研究 总被引:4,自引:0,他引:4
采用混沌优化策略,提出一种前馈神经网络权参数的最优学习方案.由于BP算法优化神经网络权参数时存在收敛速度慢、自身参数选取困难、易陷入局部极小等缺陷.采用混沌变量优化神经网络权参数,具有全局性、快速性、并行性的特点.仿真实验表明采用该方案对强非线性问题的逼近具有精度较高、学习较快的优点. 相似文献
2.
3.
模糊神经网络的混沌优化算法设计 总被引:2,自引:1,他引:2
提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强. 相似文献
4.
5.
一类模糊神经网络结构的混沌优化设计 总被引:1,自引:0,他引:1
基于混沌变量,提出一种关于模糊神经网络结构的优化设计方法。将混沌变量引入模糊神经网络结构和参数的优化搜索中,使得模糊神经网络的规则数以及所有参数都处于混沌状态中,根据性能指标来寻找一个较优的网络。在线优化采用最小二乘法对去模糊化部分的权参数进行实时修正。仿真实验表明,基于混沌优化的模糊神经网络结构精简,控制精度高。 相似文献
6.
基于混沌变量优化的神经网络PID控制 总被引:1,自引:0,他引:1
对神经网络模型辨识器的输入量Y(k),u(k)进行归一化处理,一种规范化PID控制方法作为控制器。采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z(t)在近似最优解的附近继续混沌局部寻优。仿真实验表明该方案是有效的。 相似文献
7.
8.
基于模拟退火策略的混沌优化算法的模糊神经网络控制器的设计 总被引:4,自引:0,他引:4
提出了一种基于模拟退火策略的混沌优化算法的模糊神经网络控制器,该模糊控制器由4层BP神经网络表示,控制器参数由混沌粗搜索与细搜索相结合的优化策略优化.对非线性对象的仿真表明了优化方法的有效性和可行性,且控制具有无振荡、超调小、响应快、调节时间短、结构简单、实现容易等特点. 相似文献
9.
庞晓虹 《计算机测量与控制》2004,12(1):77-78
采用具有瞬态混沌特性的神经网络(TCNN)解TSP问题。利用神经元的自抑制反馈产生混沌动态,其遍历性能和随机搜索性能有效地克服了Hopfield神经网络(HNN)极易陷入局部极小的缺陷,同时利用一时变参数控制混沌行为,使网络再经过一个短暂的倍周期倒分岔后逐渐趋于一般的Hopfield神经网络,从而收敛到一个最优或近似最优的稳定平衡点。仿真结果表明,TCNN比HNN具有更强的全局寻优能力和更高的搜索效率。 相似文献
10.
基于混沌梯度的BP网络设计及应用 总被引:2,自引:0,他引:2
该文针对BP神经网络易限入局部极小的问题,提出了混沌梯度优化的神经网络的学习算法,其原理是:用规则来判断由于梯度搜索过程中产生的局部极小,并利用具有全局寻优的特点的混沌搜索,使学习过程能有效地逃离局部极小。即采用梯度下降进行“粗搜索”,混沌搜索进行“细搜索”,并建立规则将两者结合起来,就构成了BP神经网络的基于规则的混沌梯度耦合学习算法。它有效地利用了梯度下降算法的快速性和混沌寻优的全局性,并已应用于工程实际,取得了良好的效果。 相似文献
11.
翁妙凤 《小型微型计算机系统》2001,22(8):971-972
对镇定一嵌入在Lorenz混沌吸引子内的不稳定平衡点上的混沌轨道提出了一种利用进化RBF网控制混沌系统的新方法,采用了基于两层编码改进进化规划(IEP)的RBF网学习算法,要以同时确定网络的拓扑结构和参数,仿真结果表明本文控制Lorenz混沌响应速度快,控制精度高。 相似文献
12.
13.
改进的混沌优化方法及其应用 总被引:8,自引:0,他引:8
赵强 《自动化与仪器仪表》2006,(3):90-92
提出一种改进的混沌优化方法,该方法利用混沌变量对当前点进行扰动,并且通过时变参数逐渐减小搜索进程中的扰动幅度,同时以一定方式确定了时变参数的初值。用改进后的方法对连续对象的全局优化问题进行优化,仿真结果表明,该方法可以显著提高收敛速度和精确性。 相似文献
14.
This paper investigates a neuro-wavelet control (NWC) system to address the problem of synchronization control of uncertain chaotic systems. In this NWC system, a wavelet neural network (WNN) controller is the principal tracking controller designed to mimic the perfect control law and an auxiliary compensation controller is used to recover the residual approximation error so that the favorable synchronization can be achieved. Moreover, the proportional-integral (PI) training algorithms of the control system are derived from the Lyapunov stability theorem, which are utilized to update the adjustable parameters of WNN controller on-line for further assuring system stability and obtaining a fast convergence. In addition, to relax the requirement of unknown uncertainty bound, a bound estimation law is derived to estimate the uncertainty bound. Finally, some numerical simulations are presented to illustrate the effectiveness of the proposed control strategy. The simulation results demonstrate that the proposed NWC with PI training algorithms can synchronize the chaotic systems more accurately than the other control strategies. 相似文献
15.
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。 相似文献
16.
17.
在一定条件下,系统本身的非线性或某种故障给系统增加的非线性因素可能使系统变成一个混沌动力系统。这里给出了具有混沌故障的转台系统,并从自动控制角度出发,提出了两种不同结构的有效的控制方法,即线性反馈控制方法和神经网络直接控制方法,并通过仿真加以验证。 相似文献