一个新的具有超级多稳态的五维忆阻超混沌系统

为了描述更加复杂的非线性动力学特性并且得到更适合工程应用的混沌信号,使用一个磁控忆阻器去替换改进的四维Lü混沌系统中的耦合参数,得到了一个新的五维忆阻超混沌系统.采用相图、分岔图、Lyapunov指数谱等常规的非线性分析手段研究新系统丰富的动力学特性.在新系统的基础上,通过引入一个绝对值函数使系统达到新的极性平衡,构建...     

基于TiO_2忆阻器的混沌振荡电路

忆阻器是一种具有记忆性的新型非线性电阻,是继电阻器、电容器和电感器之后的第4种基本电路元件。该文根据惠普实验室提出的荷控型TiO2忆阻器模型,构建了一个磁控TiO2忆阻器模型,采用该磁控忆阻器模型设计了一个新的混沌振荡电路,以期产生复杂的伪随机混沌信号。对该振荡电路的基本动力学特性进行了理论和仿真分析,并进行了DSP芯片实验验证。仿真结果、理论分析和实验观察具有一致性,表明该混沌系统具有与一般混沌系统不同的特性。     

忆阻超混沌Lü系统的隐藏动力学特性研究

通过改进经典Lü系统并引入忆阻元件,提出了一种新颖的基于忆阻的改进型Lü系统。该忆阻系统的最大特征是不存在任何平衡点,因此形成的动力学行为都是隐藏的。采用理论分析、李雅普诺夫指数和分岔图等非线性系统分析,研究了该忆阻系统随忆阻增益变化的周期、准周期、混沌和超混沌等复杂的隐藏动力学行为。此外,在初始条件不同时,该忆阻系统存在3个不同极限环以及混沌吸引子和周期极限环的共存多吸引子现象。制作硬件电路,验证了理论分析和数值仿真结果,表明了该忆阻超混沌Lü系统有着十分丰富而复杂的隐藏动力学特性。     

基于STDP规则的忆阻神经网络在图像存储中的应用

忆阻器是具有记忆和类突触特性的非线性电路元件,将忆阻器与STDP学习规则相结合,提出了基于STDP学习规则的忆阻神经网络,并将它应用于二值图像的叠加和灰度图像的存储与输出。首先将忆阻器作突触,通过实验证实在特定形状动作电位下,可实现STDP学习规则;构建了4×4的忆阻交叉阵列神经网络;用16×16的忆阻交叉阵列神经网络实现二值图像的叠加。最后用N×N的忆阻神经网络实现了灰度图像的存储与输出。通过MATLAB仿真实验证实了该方案的有效性,该忆阻神经网络具有仿生特性,有望解决模式识别、人工智能中出现的复杂问题。     

基于驱动-响应和耦合同步算法的忆阻混沌系统同步分析

针对忆阻器反馈的Lorenz超混沌系统和最简并行忆阻器混沌系统采用驱动-响应和耦合同步算法进行同步特性分析,应用李雅谱诺夫指数谱和分岔图分析了忆阻混沌系统的动力学特性,并对驱动-响应和耦合同步算法进行了比较。实验结果表明,忆阻器混沌系统不但有更加复杂的动力学特性,而且可用驱动-响应和耦合同步算法达到同步,并且耦合同步算法比驱动-响应算法更具有实际应用价值。因此,此研究为忆阻器混沌系统应用于密码学、信息安全和保密通信等领域提供相关理论依据。     

一种忆阻器离散混沌映射的设计及FPGA实现

忆阻器是一个无源二端口电子器件,在非线性应用领域具有巨大潜力。忆阻器具有的非线性电压电流特性,可以应用在混沌领域。 Cubic映射是一个比较简单的混沌映射,该文使用忆阻器的非线性特性对Cubic映射进行修改,得到一个新的忆阻器混沌映射,使用DSP Builder 对其进行图形化设计,并研究该混沌映射的基本性能,用FPGA实现该混沌映射。     

有源忆阻器伏安曲线与电路频率之间的关系

忆阻器是具有记忆特性非线性电阻器,是现实的第四种基本二端电路元件。文章以光滑三次型非线型函数描述的有源磁控忆阻器模型为例,利用Multisim计算机仿真软件,进一步研究有源忆阻器伏安曲线与电路频率之间关系,讨论有源忆阻器输入电流的突变特性。结果表明:由光滑三次型非线型函数的有源磁控忆阻器模型构成的电路具有边界效应,电流具有突变特性。     

有源荷控忆阻系统的多稳态分析及电路实现

采用有源荷控忆阻替换蔡氏电路中的非线性电阻,实现一个五维忆阻非线性电路系统. 建立了该系统的无量纲方程,分析了系统的平衡点集与稳定性. 利用分岔图、Lyapunov指数谱和相轨迹图等分析方法,从多角度研究了随系统参数与初始状态变化而产生的多稳态动力学行为. 研究表明,当系统参数、初始状态变化时,都会出现不同拓扑结构的混沌吸引子共存、不同吸引域的多周期极限环共存、不同周期数的极限环与不同拓扑结构的混沌吸引子等共存行为. 最后,设计了五维忆阻混沌系统的模拟电路模型,电路仿真实验与数值仿真结果相一致,观测到不同的多稳态共存运动. 这表明动力学分析的正确性和系统的物理可实现性,为进一步拓展系统加密应用奠定基础.     

Hodgkin-Huxley模型的心脏浦肯野纤维弱忆阻机理研究

以心脏Hodgkin-Huxley模型的浦肯野纤维为研究对象,分析钾离子通道和钠离子通道中忆阻特征存在性,发现K2钾离子和Na钠离子均具有较明显的的紧滞环回线,但K1钾离子并没有任何忆阻特性,这使得整个Hodgkin-Huxley模型的RC(电阻和电容)电路表现出较弱的忆阻机理.理论推理还表明,钾离子通道是一级忆阻器,钠离子通道为二级忆阻性,研究扩展了神经网络在非线性动力学领域应用,对智能信息处理及复杂网络控制的发展具有科学意义和应用价值.     

忆阻FitzHugh-Nagumo神经元电路有限时间同步

主要研究了降维忆阻FitzHugh-Nagumo系统的非线性动力学行为以及有限时间内的多稳态同步. 首先建立系统精确降维模型,展开降维忆阻系统随不同初始状态变化的动力学行为分析. 利用分岔图和Lyapunov指数谱等分析方法,研究发现调整系统初始状态,系统呈现出多稳态现象. 通过滑动模态控制方法实现两个忆阻FitzHugh-Nagumo神经元电路有限时间内的多稳态同步. 最后,通过同步数值仿真证明了控制方法的正确性和有效性.     

延迟离散Hopfield神经网络的动态行为

主要研究带有延迟项的离散Hopfield神经网络动态演化行为. 给出了延迟网络并行收敛于周期小于等于2的极限环的一些条件. 同时,得到了延迟网络收敛于周期为2的极限环的条件. 而且对所获结果通过例子进行了验证. 这些结果为延迟离散Hopfield神经网络的进一步分析和应用提供了一定的理论基础.     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

连续Hopfield网络稳定性判定的新方法

概述了关于连续Ｈｏｐｆｉｅｌｄ网络的经典性工作,针对推广的Ｈｏｐｆｉｅｌｄ网络,推导了在条件Ｔ下以可微零均值非线性函数作为激励函数的Ｈｏｐｆｉｅｌｄ网络全局稳定的三个充分条件,给出了Ｈｏｐｆｉｅｌｄ网络稳定性判定的新方法,并通过实例进行了验     

人工神经网络及其在非线性系统控制中的应用

本文介绍了人工神经元和人工神经网络的基本结构,并在此基础上分析了人工神经网络的特性、学习和训练,说明了两种典型网络BP网络和Hopfield网络的工作原理,对人工神经网络在非线性系统控制中的应用进行了探讨.     

非线性动态系统辨识的神经网络结构和可行性研究

在讨论各种非线性动态系统辨识模型的基础上，给出相应模型的神经网络实现方案，并首次提出了实现非线性动态系统的回归状态模型的新型神经网络结构－神经网络状态空间辨识模型，从理论上证明了使用神经网络实现这些模型的可行性。     

基于Hopfield网络的衰变目标识别研究

人工神经网络是对人脑功能的某种程度的反映，具有自适应，自学习的能力，可通过对模式样本的自学习，从中获取特征，并能将学习获得的知识应用到后来的识别中。本文采用单层离散Hopfield网络来实现衰变目标的识别，提出了选取Hopfield网络三个记忆模式方法。     

Dynamic pricing by hopfield neural network

The increase in the number of shopbots users in e-commerce has triggered flexibility of sellers in their pricing strategies. Sellers see the importance of automated price setting which provides efficient services to a large number of buyers who are using shopbots. This paper studies the characteristic of decreasing energy with time in a continuous model of a Hopfield neural network that is the decreasing of errors in the network with respect to time. The characteristic shows that it is possible to use Hopfield neural network to get the main factor of dynamic pricing; the least variable cost, from production function principles. The least variable cost is obtained by reducing or increasing the input combination factors, and then making the comparison of the network output with the desired output, where the difference between the network output and desired output will be decreasing in the same manner as in the Hopfield neural network energy. Hopfield neural network will simplify the rapid change of prices in e-commerce during transaction that depends on the demand quantity for demand sensitive model of pricing.     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。