利用常量脉冲法控制混沌神经元中的混沌

探讨了一类神经元模型中混沌行为的控制问题。基于控制混沌的比较脉冲反馈方法,发展了常量脉冲方法控制混沌。利用稳定性研究了新方法控制混沌的机制,并对处于混沌状态的神经元进行控制,使神经元的状态稳定在期望的固定点或周期轨道。理论和数值结果表明,新方法能有效控制神经元中的混沌。     

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。     

基于混沌神经网络的语音识别方法

基于语音信号的时变特性,研究了神经网络语音识别的方法．把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法．把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较．实验结果表明,混沌神经网络方法的平均识别率要高于同等条件下常用神经网络方法的识别率．     

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、逼近能力来构造混沌神经网络 ,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 .