混沌网络的聚类同步方法

由于通讯技术和生物工程等科学的发展,许多的聚类同步现象陆续被发现和研究．然而,由于网络的复杂性,有关聚类同步的理论结果极少见报道．从上述问题出发,对于大小为N=mn的网络,通过构造带权重的相互作用,得到了n个聚类的聚类同步,其中每个聚类的振子数目都等于m．最后,以耦合Lorenz系统为例,验证了以上结果的正确性．

船舶动力系统中的递归混沌网络

随着现代船舶体积及自身重量的增加其动力系统也随之增加,而现行的船舶动力系统由于存在低频振荡﹑谐振及混沌状态等特性,整个船舶动力系统呈现非线性特性。混沌网络是近年来比较热门的研究动力系统非线性的方向之一,在船舶动力系统中得到很大发展。本文在研究现有船舶动力系统及混沌网络原理的基础上,提出基于递归的混沌网络船舶动力系统模型,通过计算系统的Lyapunov指数来评价动力系统的动力学特性,最后给出仿真结果。

大型非线性混沌网络系统的分散最优控制研究

基于最优控制理论及线性近似方法 ,研究具有众多非线性子系统关联耦合组成的大型混沌网络系统的控制问题。由于集中控制结构非常复杂 ,工程设计困难 ,且难以实现 ,故从可靠性和经济性出发 ,建立了分散控制策略。仿真结果验证了这一理论的正确性。

基于分段线性混沌网络的序列密码算法

针对Logistic混沌序列容易被重构的问题,引入一种外部密钥对Logistic方程的初始值和参数进行加密;然后给出一种分段线性混沌网络模型。利用Logistic序列对初值的敏感性对混沌网络进行敏感和扩散处理,通过更新控制参数使混沌网络迭代运算产生随机性良好的序列密码。最后的算法分析和仿真实验表明,该算法的密钥具有良好的敏感性,生成的随机序列具有良好的随机性,满足密码学要求。

非线性混沌网络系统的分散性能量子优化算法

针对量子优化算法应用时,优化控制方法的差异会造成优化算法收敛时间过长的问题,提出非线性混沌网络系统的分散性能量子优化算法。采用分段Logistic混沌映射方法,获取量子初始化位置。依托于适应度划分量子种群,分别针对顶层和底层种群建立相应进化模式。利用多个非线性连续时间子系统,设计非线性混沌优化控制方法,确定最佳控制方案。最后,引入早熟收敛判断机制得到最优解计算结果。实验结果表明,与传统方法相比,所提优化算法收敛时间明显减少。

一种图像混沌网络加密法

在信息时代的今天,随着网络技术和多媒体技术的高速发展和广泛应用,越来越多的信息在网络上方便传递,但这同时也带来了信息安全隐患问题。因而,保护信息安全就显得尤为重要。本文利用四维混沌系统产生的二值序列,设定神经网络的权值和阈值,对像素进行加密解密运算。该算法具有计算复杂度大、实现无失真加密、密钥空间大的特点。仿真实验分析表明,该算法能有效地抵御各种攻击,同时,增加了密钥空间,初值敏感度很强,在图像加密中具有很好的效果。

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。

基于混沌神经网络和C-MD结构的带密钥哈希函数

近年来,被广泛使用的MD5、SHA-1等哈希算法存在不同程度的安全隐患,现在通用的SHA-2算法迭代结构与SHA-1算法相同,使得其存在被攻破的可能性。而SHA-3由于其内部结构复杂,实现复杂度较高。设计并实现了基于混沌神经网络和C-MD(chaotic neural network-Merkle-Damgard)结构的带密钥哈希函数,为提高安全性改进了Merkle-Damgard结构,并提出C-MD结构,将该结构应用于哈希函数设计可以抵抗中间相遇攻击、多碰撞攻击以及针对长信息的第二原像攻击;使用混沌神经网络作为压缩函数,以提高哈希函数复杂度,增强函数的抗碰撞性,支持函数输出多种长度;设计一个明文预处理器,使用耦合映像格子产生与明文长度相关的混沌序列对明文进行填充,增强哈希函数抵抗长度扩展攻击的能力。仿真实验结果表明,提出的哈希函数效率优于SHA-2、SHA-3等的同类型混沌哈希函数,能够抵御第二原像攻击、多碰撞攻击和差分攻击等多种攻击方式,同时具有更好的抗碰撞性和映射均匀性。此外,提出的哈希函数可以输出不同长度的散列值,能够较好地应用在数字签名、密钥生成、基于哈希的消息认证码、确定性随机比特发生器等领域。

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。

Bootstrap—自适应混沌克隆网络与陀螺漂移预测

提出一种Bootstrap—自适应混沌克隆网络建立陀螺漂移预测模型.基于统计理论的Bootstrap方法,设计了自适应混沌克隆网络训练策略,以获得统计意义下陀螺漂移时间序列小样本预测模型的最优估计;运用字符串技术生成复合函数抗体,使预测模型具有在复杂函数子空间逼近强非线性函数的能力;构造了一系列自适应混沌克隆网络进化算子,使复合函数抗体在具有混沌特征的进化中自适应性更强;预测建模实验表明:Bootstrap—自适应混沌克隆网络建立的预测模型训练和测试精度稳定,对比几种典型预测算法,其建模方式更灵活,自适应性更强,适于工程应用.

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.

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.

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。

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。

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。

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 .

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。

面向多模态函数优化的混沌免疫网络算法研究

针对人工免疫网络解决多模态函数优化时可能出现的早熟收敛现象和搜索精度不甚满意的问题,提出改进的混沌免疫网络算法。改进算法终止条件及采取相应措施以避免早熟,利用混沌变量来模拟免疫细胞的增殖方式以提高算法的搜索精度。通过对一些典型测试函数进行仿真实验,结果表明该算法能够快速优化抗体,搜索能力强,搜索精度高,是一种效果优良的解决多模态函数优化问题的极值寻优方法。

瞬时混沌神经网络的混沌动力学

首先利用"不可分意味着混沌"从理论上证明了一维瞬时混沌神经网络在一定的条件下按Li＿Yorke意义是混沌的;特别地,进一步推出了混沌神经网络按Li＿Yorke意义是混沌的充分条件,而这将从理论上证明Aihara等人通过数值计算所得结论;最后。