迟滞混沌神经网络及应用
作者:
修春波
[1] ;
刘王霞
[2] ;
陆丽芬
[1]
关键词:
混沌
迟滞
神经元
神经网络
摘要：
提出了一种同时具有迟滞和混沌特性的神经元模型,并利用该模型构造出神经网络,用于求解优化计算等问题。通过在神经元中引入自反馈,使得神经元具有混沌特性。将神经元的激励函数改为具有上升分支和下降分支的迟滞函数,从而将迟滞特性引入神经元和神经网络中。结合模拟退火机制,在优化计算初期,利用混沌特性可提高网络的遍历寻优能力,利用迟滞特性可在一定程度上克服假饱和现象,提高网络的寻优速度。在优化计算末期,网络蜕变为普通的Hopfiled型神经网络,按照梯度寻优方式收敛到某局部最优解。可通过构造能量函数的方法,将图像识别中的特征点匹配等问题转化为优化计算问题,从而可采用该神经网络进行问题求解。仿真结果验证了该方法的有效性。
上一篇：基于网络一致性的多智能体跟踪控制
下一篇：双重建模与分离辨识技术的FPGA实现