混沌神经网络中的超混沌复杂性研究

在混沌保密通信中,混沌的复杂性是评估算法安全性的重要指标.通过对一种典型混沌神经网络的Lyapunov指数、相关函数、输出序列的频谱和功率谱等特征函数的综合分析,发现混沌神经网络中存在超混沌现象,并对其复杂性进行综合评价.同时,研究了参数变化对混沌神经网络Lyapunov指数谱的影响并进行了实验,结果表明,网络的输出状态可根据需要进行改变.     

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,信号恢复精度高和密钥量大等优点。     

混沌与相关技术的探讨

阐述混沌、混沌控制、混沌通信的主要思想，并对同步混沌保密通信电路－罗仑兹混沌电路进行讨论，把传统通信与混沌通信作了比较。     

混沌与相关技术的探讨

阐述混沌、混沌控制、混沌通信的主要思想,并对同步混沌保密通信电路———罗仑兹混沌电路进行讨论,把传统通信与混沌通信作了比较。     

模糊混沌神经网络的构建方法研究

基于混沌神经网络的构建过程,提出一种构建模糊混沌神经网络(FCNN)的方法,在介绍了BP算法及混沌神经网络概念的基础上,给出了混沌BP算法,并提出了基于混沌BP算法的模糊混沌神经元的动态模型,从而构建模糊混沌神经网络。主要讨论所构建的模糊混沌神经网络的模糊特性、耗散性和李亚普诺夫性能指标。给出了模型具有模糊特性的几个特征,以及满足耗散性和混沌特性的条件。仿真实验表明所提出的模糊混沌神经元模型既具有模糊特性又具有混沌特性。     

混沌神经网络模型研究

回顾了近年来混沌神经网络模型的研究进展历史.对全局耦合映射（GCM）模型、A ihara混沌神经网络模型和Inoue混沌神经网络模型等模型的构成和特点进行了全面的分析,综述了混沌神经网络的主要应用领域,评述了混沌神经网络的今后发展方向和主要研究内容.     

沌保密通信应用研究的进展

通讯技术被称为世界经济和军事的生命线，而通讯中的保密技术则是核心技术之一。任何这方面的新发现及其高科技的进展都必然引起世界各国的关注和重视。由于混沌控制和混沌同步在20世纪90年代取得了突破性进展，迄今利用混沌进行秘密通讯成为国际上的一个热点，现在混沌保密通信大致分为三大类：第一类是直接利用混沌进行秘密通信；第二类是利用同步的混沌进行秘密通信；第三类是混沌数字编码的异步通信，混沌保密通信为国际高新技术的发展提供了一个新的生长点。目前已经提出了同步混沌通信三大保密技术：混沌遮掩、混沌调制和混沌开关技术。现着重综述近几年来混沌同步三大保密技术的主要进展，比较可能实现的十几种保密通信方案，分析题目的优缺点及其应用研究概况。最后，给出混沌保密通信研究中保密技术的应用展望。     

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.     

基于状态反馈的混沌参数调制解调方法

混沌由于其内秉随机性而适于在保密通信中应用。混沌掩盖、混沌键控、混沌参数调制、混沌符号序列扩频是混沌在通信中的应用研究的 4大热点。该文主要研究混沌参数调制与解调 ,把混沌参数作为一个状态变量 ,并采用状态反馈方法实现混沌同步与参数解调。用这种方法实现的混沌通信系统具有调制效率高 ,保密性好的特点 ,特别适用于保密通信。以蔡氏电路为基础构造了混沌参数调制与解调系统 ,仿真结果表明 :这种方法是有效的     

混沌神经网络研究及其应用

对全局耦合映射(GCM)模型、Aihara混沌神经网络模型和Inoue混沌神经网络模型等模型的研究现状、构成和特点进行了全面的分析,综述了混沌神经网络的主要应用领域,并试探性地指出了混沌神经网络的发展方向．     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.     

带有动态阈值的小神经网络的复杂动力学

本文把反映生物神经元适应性的动态阈值引入到一个由三个神经元组成的小神经网络中去，并考察了网络非常复杂的动力学行为，如Ｈｏｐｆ分岔，魔鬼阶梯，ＲＴＮ路径通向混沌，倍周期通向混沌多吸引子共存，表明人们在参考生物神经来建立人工网络系统时必须慎得对待生物神经系统的某些特点。     

混沌和神经网络相结合预测短波通信频率参数

为提高短波通信的可靠性 ,提出了一种将混沌和神经网络相结合的方法预测短波通信频率参数。利用混沌方法重构相空间系统吸引子 ,用前向多层神经网络拟合吸引子上的全局整体映射 ,构成混合预测模型。实验结果表明 ,将此混合模型用于预测短波通信频率参数如 F2 层临界频率 ffo F 2 ,能达到较好的预测效果 ,可以应用到实际预测系统中。还将基于奇异值分解的噪声消减滤波算法应用到数据预处理中 ,预测结果表明了这种办法能提高预测精度     

基于混沌PSO—DV优化BP神经网络的汽车故障诊断

针对传统的PSO优化BP网络的局限性,提出了一种混沌PSO—DV算法和BP神经网络的混合算法．该算法具有混沌算法的局部搜索遍历性,DE算法的种群多样性及BP神经网络的快速搜索能力等优势．仿真结果表明,混沌PSO—DV优化的BP神经网络应用于汽车发动机故障诊断,使得故障诊断的效率和准确率得到了很大的提高．     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

返回扩张不动点与瞬态混沌神经网络中的混沌研究

证明了返回扩张不动点可以生成分布混沌和ω-混沌。作为一个应用,证明了如果满足一定条件,一个瞬态混沌神经网络（TCNN）可以产生分布混沌和ω-混沌。     

基于混沌神经网络的交通流预测算法

为提高 RBF 神经网络的交通流预测精度,提出基于混沌-RBF（Chaos-RBF,C-RBF）神经网络的交通流预测算法,该算法首先计算混沌相空间的嵌入维数和嵌入延迟,构造得到的相空间向量作为 RBF 神经网络的输入,其相空间次邻向量作为期望输出值,滚动训练得到神经网络的权值,然后以实际交通流作为输入,经由网络计算得到预测值。仿真结果表明该算法相比于 RBF 神经网络,预测精度提高 96%,证明了该算法的有效性。     

任务分配问题的瞬态沸混沌神经网络解法

采用具有瞬态混沌特性的神经网络（TCNN）解任务分配问题,该方法利用神经元的自反馈产生混沌动态,由于混沌动态特性具有很强的搜索全局最优妥的能力,有效地避免了传统Hopfield神经网络（HNN）极易陶入局部极小的缺陷,同时利用时变参数控制混沌行为,使网络在经过一个矩暂的混沌倒分岔后逐渐于一般的Hopfield神经网络,保证网络收敛到一个最优或近似最优的稳定平衡点。仿真结果表明,TCNN解任务分配问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率,另外,还用此方法求解了属于NP－完全问题的实时分布处理系统的任务分配问题。     

模糊神经网络控制器参数的混沌优化

为了优化模糊神经网络的参数,将混沌变量引入到模糊神经网络参数寻优方式中,根据系统的性能指标,采用混沌变量进行粗搜索寻优模糊神经网络参数,然后在粗寻优基础上引入基于模拟退火策略的混沌细搜索,最后搜索出的模糊神经网络参数是全局最优的.仿真结果表明:该控制方案有效地实现对非线性对象的最优控制,为工业过程非线性复杂系统的控制提供了一种有效的控制方案.