小波尺度退火的迟滞混沌神经网络及其应用

为了有效地避免网络陷入局部极小点,提出了具有小波尺度退火和迟滞激励函数的混沌神经网络模型。将Gauss小波函数作为网络的自反馈项,利用小波尺度的指数递减实现混沌模拟退火,可使网络表现出更丰富的混沌动力学演化行为,有效地增加了混沌搜索的Lyapunov指数的平均水平。利用统一框架理论分析了网络的优化特性和稳定性。旅行商问题(traveling salesman problem,TSP)和直扩序列码分多址(direct sequence-codedivision multiple access,DS-CDMA)多用户检测器的仿真结果表明,该网络能够找到优化问题的全局最优解,并且具有较好的优化性能。

基于迟滞噪声混沌神经网络的导频分配

在多小区大规模多输入多输出(MIMO)系统中,导频污染已经成为制约整个系统的瓶颈。合理地使用导频资源能减轻导频污染的影响,为了寻找使边缘用户和容量最大的导频分配方式,该文首次提出了基于迟滞噪声混沌神经网络(HNCNN)的导频分配方案。迟滞噪声混沌神经网络作为良好的优化工具,其优化能力与所设计的能量函数相关。该方案结合导频资源使用的特点以及最大化边缘用户和容量的计算方式,设计了新的能量函数。仿真结果表明,网络能在一定迭代次数后收敛到较优的导频分配方式。与其它文献方案相比,采用以HNCNN为框架求取导频分配方式,可以更有效减轻导频污染的影响,使系统性能得到改善。