基于Mackey-Glass混沌储备池计算的种子图像识别

作为一种新型神经网络,单节点的储备池计算由于其结构简单、易于实现、处理速度快且数据容量大,近年来越来越受到学者们的关注。目前基于混沌储备池计算的图像识别研究中,主要是对0～9这10个手写数字进行简单识别。使用Matlab工具对Mackey-Glass混沌电路储备池计算进行了仿真,首次对较复杂的图片即种子图像识别进行了研究。通过探索模型中各参数对系统结果的影响,最终将模型中的参数设置为p=7,?=3,?=20。首先尝试对2种不同类型的种子图片进行识别,取得了准确率为100%的识别效果;随后将种子类别增至5,取得了准确率为90%的识别效果;最后将种子类别增至10及以上,识别准确率降至80%,但仍有较好的识别效果。