分布时滞脉冲控制策略的混沌神经网络的同步

提出一个新的分布时滞脉冲控制器,研究具有分布时滞的混沌神经网络的同步。基于新的脉冲时滞不等式,建立混沌神经网络的同步准则。通过数值算例,验证了分布时滞控制的有效性。

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动,根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络,并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型,该模型在结构上为神经网络,具有混沌特性,在功能上是模糊系统；确定了模型的输出函数,并推导了模型的学习算法,仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。

基于混沌神经网络的供配电系统谐波干扰自动抑制

文章提出一种基于混沌神经网络的供配电系统谐波干扰自动抑制方法。首先,通过高精度的数据采集系统获取配电系统的实时电流和电压数据,并进行数据的预处理,以确保数据的准确性和可用性;其次,构建具有混沌特性的神经网络模型,该模型能捕捉到谐波的非线性动态特性,并通过训练使其具备预测和抑制谐波的能力;最后,将训练好的混沌神经网络模型应用于配电系统的实时控制中,实现对谐波干扰的自动抑制。实验结果表明,该方法能有效降低谐波含量,提高电网的电能质量,具有良好的应用前景。

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。

变频正弦混沌神经网络及其应用

针对暂态混沌神经网络全局寻优能力受限的问题,提出了一种基于脑电波生物机制的新型混沌神经网络模型——变频正弦混沌神经网络.该模型将变频正弦函数和Sigmoid函数组合作为非单调激励函数,本文给出了该混沌神经元的倒分岔图及Lyapunov指数的时间演化图,分析了其动力学特性.进一步将该模型应用到非线性函数优化和组合优化问题上,并分析了参数的变化规律.仿真实验证明变频正弦混沌神经网络比暂态混沌神经网络及其他相关模型具有更好的全局寻优能力.

城市污水量短时预测的混沌神经网络模型

通过分析进水水量时间序列的非线性动力学性质,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市污水水量短时预测的混沌神经网络模型;并利用此模型对污水厂的进水水量进行短时预测,取得了较为满意的预测效果.

流化床中生物质热解过程的混沌神经网络模拟

在流化床内用若干种生物质材料进行了氮气流化条件下的常压热解实验 .为研究生物质的热解规律 ,建立了混沌神经网络模型对其进行模拟 .分别按照 3种方案进行了神经网络的模拟 ,经过比较确定了对于流化床内生物质热解过程最为有效的网络输入方案 ,该方案充分考虑了实验运行参数、生物质料的工业分析数据以及化学成分分析数据 ,可以对热解产物给出较好的预测 .

边坡稳定性预测的混沌神经网络方法

边坡系统本身的各种参量是不确定的和随机的,在其演化过程中,表现出复杂的非线性行为,会发生一系列的混沌现象。运用现代混沌理论与神经网络方法的基本原理,把混沌理论与神经网络结合起来,建立了边坡稳定性预测的混沌神经网络模型,从新的角度研究边坡稳定性预测问题,对该问题进行了探索性研究。对该理论的建立及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对64个典型滑坡实例的研究结果表明,混沌神经网络模型具有较高的精度。

混沌神经网络的Lyapunov指数与混沌区域

混沌神经网络有望用于诸如组合优化、信息搜索、模式识别等信息处理中.在Aihara等人依据生物学实验提出的混沌神经网络模型基础上,提出了混沌神经网络的最大Lyapunov指数的一种算法,通过最大Lyapunov指数的计算,研究神经网络的混沌区域以及参数对混沌区域的影响,这对混沌神经网络的混沌特性的研究及其混沌控制是十分有益的.

基于混沌神经网络理论的城市地面沉降量预测模型

通过分析城市地面沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性。在此基础上,通过相空间重构的方法建立了用于城市地面沉降量预测的混沌神经网络模型;并利用此模型对高桥地面沉降量进行了预测,并和实际监测沉降量进行了比较,最大绝对预测误差为1.7,预测的平均误差为0.0833,研究结果表明,应用混沌神经网络模型进行城市沉降预测是可行、精确的。

自适应混合混沌神经网络及其在TSP中的应用

为了进一步提高混沌神经网络的收敛效果,将T.Kwok和K.A.Smith所总结的内、外两类混沌神经网络相结合,并加入自适应方法,提出了自适应混合混沌神经网络。这种网络可以同时通过线性和非线性两种途径来改变网络能量函数进行搜索,这使得搜索过程具有更为丰富的动力学行为。同时由于自适应方法的引入,保证能量函数的变化在整个搜索过程中对动态方程有较强的作用,从而减少了网络收敛时的迭代步数。仿真研究表明,在求解TSP上,其效果优于随机混沌模拟退火网络。

混沌神经网络模型及其应用研究综述

回顾了近年来混沌神经网络模型及其应用的研究进展.首先依据混沌产生的机理,将现有的多种类型混沌神经网络模型归结为4类典型的网络模型,并结合各种网络模型的数学描述来分析各自的机理和特性;然后从复杂问题优化、联想记忆和图像处理、网络与通信、模式识别、电力系统负荷建模和预测5个方面,介绍了混沌神经网络的应用现状;最后评述了混沌神经网络今后的研究方向和研究内容.

混沌神经网络的同步及其在保密通信中的应用

利用神经网络的学习、逼近能力构造混沌神经网络 ,提出非线性反馈控制混沌同步方法来同步两个混沌神经网络 ,并基于混沌神经网络的同步给出一种新的混沌保密通信系统 .理论分析和数值实验结果表明 ,新系统具有较强的通用性和柔韧性 ,且有同步速度快。

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岔出现 ,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 .

面向信道分配的分段退火混沌神经网络模型

基于暂态混沌神经网络退火过程分段的思想,改进了一种混沌神经网络模型。根据所对应的Lyapunov指数变化来确定模型的分段点,使网络既能有效利用混沌态进行全局搜索,又能加快收敛速率;基于移动通信系统的信道分配问题,针对不同规模进行了仿真分析与研究,并运用Kunz基准测试程序面向25小区进行了模型测试与分析。仿真实验结果表明,较之其他混沌神经网络模型,本模型有效减少了网络运算的迭代步数,提高了网络的搜索效率,在较大网络规模下显示出更为优良的性能。

基于混沌神经网络的压电陶瓷迟滞模型

为解决压电陶瓷迟滞建模问题,提出一种新型的G-S混沌神经网络模型.该网络由输入层、隐层和输出层构成,在输入层中引入延迟环节,从而使得历史输入能够对当前输入的响应产生影响.网络的学习过程是一种混沌优化算法,可有效避免普通神经网络的局部极值和假饱和现象的发生.将该网络应用于纳米定位系统压电陶瓷执行器迟滞建模中,可以降低建模误差,实验结果验证了该方法的有效性.

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型．通过引入暂态混沌和时变增益，该网络比Ｈｏｐｆｉｅｌｄ型网络具有更加丰富和更为灵活的动力学特性，从而具有更强的搜索全局最优解或近似全局最优解的能力．它可以用于求解各种复杂的优化问题．大量的数字模拟表明网络能较好地解决Ｈｏｐｆｉｅｌｄ型网络的局部极值问题．

混沌神经网络研究进展与展望

概述了混沌动力学的特性，回顾了近年来混沌神经元模型及混沌神经网络的研究进展，在此基础上，介绍了两种混沌神经网络模型，分析了其构成和特点．已有研究结果表明，混沌神经网络在联想记忆和组合优化等方面有着比现有网络更好的性能．最后。

多层混沌神经网络及其在交通量预测中的应用

研究多层混沌神经网络及其在交通量预测中的应用问题。以BP网络和混沌理论为基础,提出了一种在隐层中包含混沌神经元的多层混沌神经网络。XOR问题实验得出:该混沌神经网络能有效地强化网络的非线性和学习效率。鉴于城市交通流具有明显的混沌特性,将该混沌神经网络应用于城市交通流的预测。对广东江门市某路口交通量的预测结果显示出:采用该混沌神经网络,预测误差一般可以控制在10%以下(或左右)。该网络还可以应用于其他混沌系统的预测和控制。

基于混沌神经网络的建筑节能综合评价

目的构建建筑节能综合评价指标体系,对建筑节能进行综合评价.方法针对神经网络BP算法收敛速度慢且容易陷入局部极小值问题,在常规神经网络中引入混沌神经元,建立混沌神经网络建筑节能综合评价模型.结果根据建筑节能综合评价指标体系各量化指标,得出科学合理的评价结果.通过实验仿真验证了该混沌学习算法的有效性和先进性.在输入参数相同的情况下,训练收敛到相同精度,CNN模型的训练次数少于BP网络模型,CNN模型用于建筑节能评价精度高.结论运用混沌神经网络进行建筑节能综合评价的方法是有效的.