混沌的神经网络

现在研究神经网络的人很多,但主要是人工神经网络。最近,有几个实验室分析了健康人的脑电图,发现其中存在混沌的证据;混沌也会是神经系统的正常特征。其实,尤其在一个单独的生物神经元中,可以在实验上观察到混沌性态,而这是一般人工神经元所没有的。本文介绍一种单独神经元的模型,它能够定性地描写实验观察到的混沌响应。一、神经元的非线性动力学模拟生物神经元动态的历史要追溯到早期的一些著名模型,例如MoCulloch-Pitts神经元(1943)和     

时域有限差分方法中的网格非均匀划分算法

本文在均匀正交网格划分Ｙｅｅ－ＦＤＴＤ算法的基础上，提出一种非均匀正交网格划分算法，它包括网格放大算法和网格加密算法两个方面。这种非均匀网格划分算法的正确性将通过数值计算来验证。     

Yoshizawa一个定理的推广

应用Ｌｅｒａｙ－Ｓｃｈａｕｄｅｒ度理论，将Ｙｏｓｈｉｚａｗａ定理推广到具超前微分差分方程上。     

差分峰值鉴频电路中LC谱振频率公式的推导

对差分峰值鉴频电路外接电感，电容所组成的谐振电路的谐振频率公式进行详细推导。     

基于混沌控制的自适应Turbo码译码改进算法

针对Turbo码在译码过程中迭代次数不确定的缺点,提出了一种新的改进算法。即在对附加信息(译码器的先验信息)进行混沌控制的基础上,以附加信息间的距离度量作为迭代终止的判定。仿真试验表明,该改进算法能在保证译码的准确性基础上,避免大量无谓的计算,提高译码速度,尤其在信噪比较大的情况下,效果更为明显。     

延迟微分反馈法控制混沌

利用可测变量的微商进行反馈,提出了用延迟微分反馈控制(DDFC:DelayedDifferentialFeedbackControl)实现混沌控制的方法。理论证明了微分反馈控制和DDFC控制Lü系统3个平衡点的稳定可控性。在Matlab进行了数值仿真,结果表明,通过调节延迟时间τ和控制增益k,DDFC系统能自动寻找和稳定不同的不稳定周期轨道(UPO:UnstablePeriodicOrbit),实现混沌控制。     

一个具有全局吸引混沌吸引子的系统及其混沌同步

报道了一个分段线性离散系统的混沌引子，通过系统对初始条件的敏感依赖性研究，得出此吸引子是全局吸引的。为进一步证实此系统是混沌系统，又对此系统进行了不同初始条件下的混沌同步研究，利用反馈同步方法，很容易地实现了此系统的混沌同步。最后对混沌系统的开关项变化问题进行了研究，通过数值计算，得出不同开关参数下，混沌吸引子的形状是完全一样的，不同的是混沌吸引子在状态空间的形状围成的面积将发生变化。     

基于RBF网络的混沌时间序列的建模与多步预测

提出将RBF神经网络应用于混沌时间序列的建模与预测中 ,设计了一个三层RBF网络结构 ,说明了RBF网络用于混沌时间序列建模和预测时的基本性质。仿真结果表明 ,RBF网络模型对混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度。采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得多的效果。     

几个求和公式的推导

本文利用差分的方法，推导出几个常见的求和公式。