机构综合的超混沌电路牛顿迭代法研究

自然科学与工程中的许多问题都可以转化为非线性方程组的求解问题,牛顿迭代法是重要的一维及多维的迭代技术,其迭代本身对初始点非常敏感.应用超混沌电路系统产生初始点,首次提出了基于超混沌电路的牛顿迭代法求解非线性方程组的新方法.机构综合与近似综合实例表明该方法的正确性与有效性.     

统一混沌系统在电力系统中的应用

电力系统中的许多问题都可以转化为非线性方程组的求解问题，牛顿迭代法是重要的一维及多维的迭代技术，其迭代本身对初始点非常敏感。文中研究了统一混沌系统的特性．运用Matlab 7．0软件计算了最大Lyapunov指数。以统一混沌模型产生牛顿迭代的初始点．提出了基于统一混沌的牛顿迭代法求解非线性方程组的新方法。电力系统求解实例表明该方法的正确性与有效性。     

一种求解非线性方程组的简化混沌算法

本文针对非线性方程组的求解问题提出一种将简化牛顿迭代法与混沌映射相结合的简化算法。利用混沌运动的遍历性选初值,使简化牛顿迭代法跳出局部最优,最终搜索出逼近非线性方程组的全部解。本文的简化算法可大大减少计算量,数值算例表明了该算法的正确性与有效性。     

耦合混沌映射牛顿迭代法在电机系统中的应用

提出了基于二次耦合混沌映射和一次耦合混沌映射的牛顿迭代法来求解非线性方程组。实例证明了该方法的实用性和有效性,为电机参数多解问题提供了新的解决方法。     

混沌神经网络中的超混沌

神经网络是高度复杂的非线性动力系统,存在着混沌现象.通过消除暂态混沌神经元的模拟退火策略,产生了一种可以永久保持混沌搜索的混沌神经元.研究由4个该混沌神经元连接的混沌神经网络的拓扑结构,分析了混沌神经网络的Lyapunov指数谱,发现混沌神经网络中存在超混沌现象;同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响.     

具有常秩导数非线性方程组的牛顿迭代的Kantorovich型收敛性

研究了一类超定非线性方程组的牛顿迭代法的收敛性.这类非线性方程组具有常秩的Frechet导数且其导数满足Lipschitz条件.证明了当f在迭代初始值满足一个简单条件后,初始值附近的最小二乘解的存在性以及牛顿迭代法对最小二乘解的线性收敛性.     

3-PRS并联机构运动学分析

采用数值分析中的牛顿迭代法求解了关于3-PRS三自由度并联机构正解的非线性方程组,通过迭代计算出并联机构位置正解的精确解。该法程序设计简单,迭代收敛速度快,算法执行效率高。给出了求解过程及求解实例,其迭代精度达10-6。     

非线性方程组求解的超混沌序列最小二乘法及其应用

针对非线性方程组的求解在工程上具有广泛的实际意义,经典的数值算法如牛顿法存在其收敛性依赖于初值而实际计算中初值难确定的问题,将超混沌序列和最小二乘法结合,应用二维离散超混沌系统产生迭代初始点,提出了应用超混沌序列的最小二乘法求解非线性方程组全部实数解的新方法.测试结果表明新方法的正确性和有效性.     

一种求解非线性方程组的混沌算法

将解非线性方程组的Newton迭代法与混沌映射相结合，提出了一种用混沌初值的迭代算法，该算法具有搜索逼近非线性方程组全部解的能力。     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

一种耗散型混沌神经元及其延时分类

讨论了离散的、耗散型非线性神经元模型动力学·数值模拟表明模型中带有非零衰减系数时,自抑制神经元呈现出复杂的动力学模式,其中包括倍周期分叉通往混沌·利用混沌神经元对BP网络结果进行后处理,组成BP/CNN混合神经网络,利用其倒分岔特性实现延时分类·构建的BP/CNN对典型的具有延时特性行为的SYNflooding滥用入侵进行检测,结果表明该混合神经网络具有灵活的延时分类能力,扩展了BP神经网络的计算能力,提供了一种新的分类处理方法,可以推广到识别其他延时分类的事件中·     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

一种星形神经网络的混沌同步

通过理论研究和数值模拟,利用基于线性系统稳定准则(SC)的混沌同步方法,配置特殊的非线性项作为耦合函数,讨论一类Hindmarsh Rose (H R)神经元构成的复杂星形网络的混沌同步问题.提供了确定网络中神经元之间的同步误差发展方程,给出使神经元网络达到混沌同步的耦合强度的参考值和取值范围.在不同耦合强度影响下,观察神经元的同步过程,总结出各个耦合强度因子对该神经网络同步稳定性过程的影响.     

三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

混沌算法神经网络与含噪声时间序列的预测

在前馈神经网络连接权的动力学方程中引进一非线性反馈预后,网络在权空间具有混沌动力学行为：应用这种算法的神经网络对基于Mackey-Glass方程含噪声的时间序列进行在线预测,结果表明网络具有很好的预测性能。     

基于RBF神经网络的混沌背景下瞬态弱信号检测

针对海杂波背景下瞬态弱信号检测的问题,采用海杂波混沌模型,基于神经网络重构混沌序列相空间,提出了基于RBF神经网络预测混沌时间序列和瞬态弱信号检测方案。理论分析和仿真结果表明这种方法能够有效实现混沌背景噪声中瞬态弱信号的检测。