一种基于改进暂态混沌神经网络的信道分配算法

该文针对暂态混沌神经网络(TCNN)求解信道分配问题(CAP),分析混沌神经网络模型及其混沌性态,依据其按自反馈连接权值的减小,由混沌态通过逆分岔而收敛到稳定状态的特性,提出了一种对暂态混沌神经网络进行分段退火的策略,即依据混沌神经网络运行过程中,对应Lyaponov指数的变化特性而确定分段点,使网络能有效地利用混沌态进行全局搜索和加快收敛;在7小区的信道分配中,网络收敛速度提升了30%左右,在25小区的Kunz基准测试程序的仿真中,收敛速度也提升了近15%;仿真结果表明其有效减少了网络运算的迭代步数,提高了网络的搜索效率;通过相应理论和仿真结果的分析,对网络的搜索性能、参数的选择与设置进行了进一步的讨论。     

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.     

混沌搜索神经网络集成求解广义异或分类问题

神经网络集成被认为是最有效的工程化神经网络设计方法之一.把混沌搜索技术引入到神经网络集成方法中,提出了基于混沌搜索的神经网络集成方法.该方法保持了神经网络集成可以有效提高神经网络的泛化能力的特点,减小"多维共线性"和样本噪声的影响.为有效保证网络权值多样性,在网络权值初始化的过程中加入混沌理论.对广义异或问题的仿真计算表明,该方法的性能优于标准的神经网络集成方法.     

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.     

混沌神经网络建模及仿真应用研究

简要的介绍了混沌神经网络的基本理论,对混沌神经网络与非线性建模问题进行了分析．以船舶发电机这一大型非线性系统为例,对其进行混沌神经网络仿真建模研究,提出了用混沌神经网络仿真建模的一般思路和方法．结果显示,将混沌神经网络应用于大型非线性系统的仿真建模是十分成功的．     

基于混沌蚁群算法的BP神经网络训练研究

针对BP学习算法依赖于初始权值的选择和只能处理具有求导或者梯度特性目标函数,导致函数逼近误差较大的缺点,基于适值理论,建立了混沌蚁群算法模型.采用实值编码,把BP神经网络的权值和偏值作为混沌蚁群算法搜索的蚂蚁空间位置;设置合适的适值函数,对BP神经网络权值进行训练,并将其应用于曲线拟和.分别用混沌蚁群算法对不包含噪声的BP神经网络和包含噪声的BP神经网络进行了训练仿真,对仿真结果进行分析,取得了很好的效果.     

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.     

一种基于CGA的改进BP神经网络模型

针对BP神经网络存在的收敛速度慢和可能产生冗余结构等问题,采用混沌及其在遗传算法中应用的相关理论,设计了利用混沌遗传(CGA)算法对BP网络的初始权值和阈值进行全局寻优的改进措施,提出了一种基于混沌遗传的混合BP神经网络模型.经过实验分析,验证了算法的有效性.     

基于混沌搜索的组合电路测试生成算法

基于组合电路测试生成的离散Hopfield神经网络模型，将混沌搜索与Hopfield网络的梯度算法相结合，利用混沌搜索的内随机性及遍历性来克服梯度算法易于陷于局部极小的缺点，形成一种具有全局搜索能力的测试生成有效算法。该算法综合了随机性和确定性算法的优点，其性能优于一般的随机性算法。实验结果验证了该测试生成算法的有效性。     

网络参数对混沌联想记忆特性的影响

由于混沌具有随机性、对初始值敏感等特点,网络参数的调整会对其动力学行为产生很大的影响,本文提出了改进的混沌联想记忆神经网络模型,详细探讨了网络参数对混沌神经网络联想记忆特性的影响,分析了这些影响的范围和规律,并且用计算机仿真实验证明了本文的结论.