混沌时间序列的模糊神经网络预测

设计一种新型混合模糊神经推理系统，该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的.再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数，这样大大减少了规则匹配过程，加快了推理速度，从而极大程度地提高了系统的自适应能力.用它对Mackey-Glass混沌时间序列进行预测试验,结果表明利用该网络模型无论离线还是在线学习均能对Mackey-Glass混沌时间序列进行准确的预测，证明了该系统的有效性. 关键词： 神经网络模型 模糊逻辑 混合推理系统 混沌时间序列     

非线性系统混沌运动的神经网络控制

设计前馈反传神经网络控制非线性系统混沌运动的新方法.根据扰动参数模型输入输出数据,按照非线性学习算法训练网络产生系统稳定所需的小扰动控制信号,去镇定混沌运动,使嵌入在混沌吸引子中的不稳定周期轨道回到稳定不动点上.Hnon映射数值仿真结果表明,这种方法控制非线性混沌系统响应速度快、控制精度高 关键词： 混沌控制 神经网络 吸引子 非线性     

Adaptive regulation of uncertain chaos with dynamic neural networks

A novel adaptive control for uncertain nonlinear chaotic system is presented. A dynamical neural networks is used to perform ‘black box' identification. Based on the identifier, the state feedback control is employed to drive the unknown chaotic system toward the desired target. Simulations show the derived control via the neuro-identifier turns out to be very effective.