基于时变阈值过程神经网络的太阳黑子数预测

太阳黑子活动直接影响着外层空间环境的变化,为保证航天飞行任务的安全必须对其进行有效预测.为此,提出了一种基于时变阈值过程神经网络的时间序列预测模型.为简化模型的计算复杂度,开发了一种基于正交基函数展开的学习算法.文中分析了模型的泛函逼近能力,并以Mackey-Glass时间序列预测为例验证了所提模型及其学习算法的有效性.最后,将该预测模型用于太阳活动第23周太阳黑子数平滑月均值预测,取得了满意的结果,应用结果同时表明：所提预测方法与其他传统预测方法相比预测精度有所提高,具有一定的理论和实用价值.关键词：太阳黑子数时变阈值过程神经网络时间序列预测泛函逼近     

基于混沌神经网络的单向Hash函数

提出了一种基于混沌神经网络的单向Hash函数,该方法通过使用以混沌分段线性函数作为输出函数的神经网络和基于时空混沌的密钥生成函数实现明文和密钥信息的混淆和扩散,并基于密码块连接模式实现对任意长度的明文序列产生128位的Hash值.理论分析和实验结果表明,提出的Hash函数可满足所要求的单向性,初值和密钥敏感性,抗碰撞性和实时性等要求.关键词：混沌神经网络Hash函数分段线性混沌映射时空混沌     

供热负荷时间序列混沌特性分析及预报模型研究

为揭示供热负荷时间序列蕴含的内在动态特性,采用非线性分析方法对供热负荷时间序列混沌特性进行识别.以集中供热热源和热力站负荷时间序列为研究对象,进行相空间重构,求得了饱和关联维数和最大Lyapunov指数,验证了供热负荷时间序列的混沌特性,为供热负荷预报研究提供了混沌理论基础.针对现有供热负荷预报方法多为主观模型方法,本文提出了一种基于Volterra自适应滤波器的供热负荷预报方法,该方法不必事先建立主观模型,而直接根据负荷序列本身的特性进行预报,避免了负荷预报的人为主观性.最后,给出了供热负荷预报算例,仿真结果表明二阶Volterra自适应滤波器模型预报精度较高,可满足供热工程节能控制及热力调度的需要.关键词：供热节能负荷预报混沌Volterra自适应滤波器     

基于神经网络的混沌系统鲁棒自适应同步

基于神经网络,研究了两个混沌系统都存在扰动情况下的同步问题.该方法能有效地克服不确定性对同步所造成的破坏,实现了良好的同步效果.针对Lorenz系统进行了数值计算.数值计算结果证明了所给方法的有效性.关键词：混沌系统同步神经网络     

高炉铁水Si含量的修正混沌加权一阶局部预报

基于混沌加权一阶局部预测模型,在拟合预测器过程中,采用矩阵、向量拟合取代单 一变量拟合,对预测模型进行了修正,并将修正的预测模型应用于国内中型高炉（380—750m^3）Si含量预报,取得了很好的效果.同时得出高炉冶炼过程的混沌特征状态量Kolmo gorov熵值,影响着高炉Si含量预报命中率的高低.关键词：高炉冶炼铁水Si含量预报混沌加权一阶局部预报Kolmogorov熵     

基于引力场理论的混沌同步

通过引入分布引力场,将混沌系统的同步问题等效为引力场中系统运行轨道一致问题,从而实现更多不同动力学混沌系统的同步.通过将混沌系统之间的耦合度定义为速度,因其与运动方程无关,从而有别于常见的混沌同步控制项,具有较强通用性.基于轨道逼近导出引力场中多个混沌系统同步的条件,给出同步轨道方程.数值仿真实验说明了该方法的有效性.     

混沌光学系统之前向神经网络混沌加速的系统辨识研究

研究了利用前向神经网络对混沌光学系统进行混沌加速系统辨识的可能性，计算机数值仿真发现，利用三层前向神经网络混沌光学系统辨识器。在基于混沌动力学角度的修正ＢＰ算法（混沌加速ＢＰ算法）支持下可克服由常规ＢＰ算法导致的辨识时间长的缺点，在较少的训练次数内即可对布拉格声双稳混沌系统进行良好的系统辨识，此研究结果表明，在混沌加速ＢＰ算法支持下，三层前向神经网络可用来快速处理混沌光学时间序列以进行相应的动力学     

混沌神经网络的控制

提出了一种针对混沌神经网络的钉扎控制方法.利用此方法对混沌神经网络进行控制,使网络的输出稳定在网络的一个存储的模式上.实现了混沌神经网络的信息搜索,并对影响混沌神经网络控制效果的几个因素进行了讨论.关键词：混沌控制混沌神经网络钉扎控制方法     

混沌神经网络的延时反馈控制研究

针对混沌神经网络,提出了一种改进的延时反馈控制方法. 利用该方法,当延时参数τ为奇数时,被控神经网络收敛于记忆模式以及它的反相模式的2周期上. 若选取不同的延时参数,被控网络则收敛于不同的周期态上. 关键词：控制混沌延时反馈控制混沌神经网络     

扰动情况下基于RBF网络的混沌系统同步

基于RBF网络,在扰动存在的情况下,对混沌系统的同步和异结构同步问题进行了研究.研究表明本方法能有效地克服干扰对同步所造成的破坏,实现良好的同步效果.最后,利用Lorenz系统进行了仿真.仿真结果证明了所给方法的有效性.关键词：混沌系统同步RBF神经网络     

细胞神经网络的动力学行为

主要研究了细胞神经网络的动力学行为,通过调节系统的联接权参数来控制网络的动态特性.研究结果表明,网络吸引子的结构可敏感地依赖于某个参数的变化,在很大的参数范围内,细胞神经网络模型具有混沌吸引子.关键词：细胞神经网络动力学混沌     

Liley模型的模拟EEG信号的非线性预测和分析

分析Liley模型的模拟脑电(Electroencephalogram,EEG)信号的非线性预测和径向基函数(Radial Basis Functions,RBF)神经网络预测,利用相图分析和非线性正交预测(Nonlinear Cross-Prediction,NLCP)方法研究模拟EEG信号.结果发现:①RBF神经网络预测的效果要好于非线性预测;②NLCP方法对含有强周期分量的高维系统具有较好的适用性;③支持了EEG中存在混沌运动的观点.     

迟滞混沌神经元/网络的控制策略及应用研究

为了保持神经网络在优化计算求解过程中结构不被改变, 以迟滞混沌神经元和迟滞混沌神经网络为研究对象, 提出了一种基于滤波跟踪误差的控制策略来实现神经元/网络的稳定控制. 采用该控制策略, 在不改变非线性特性发生机理的情况下, 神经元/网络可实现函数优化计算问题的求解. 所设计的控制律包含两部分: 一部分是系统进入滤波跟踪误差面时的等效控制部分, 另一部分为确保系统快速进入滤波跟踪误差面的控制部分. 采用Lyapunov方法对神经元/网络的控制进行了稳定性证明. 根据待寻优函数直接求得神经元的控制律, 在该控制律的作用下, 神经元/网络可逐渐稳定到优化函数的极值点, 从而实现优化问题的求解, 仿真实验结果验证了该控制方法在优化计算中的可行性和有效性.     

变参数混沌时间序列的神经网络预测研究

研究一类复杂变参数混沌系统时间序列的预测问题.首先构造一个变参数Logistic映射,分析变参数混沌系统的特点,指出动力学特征不断变化的这类系统不存在恒定形状的吸引子;结合Takens嵌入定理和神经网络理论,阐述神经网络方法预测具有恒定吸引子形状的混沌系统可行的原因,分析研究其用于预测变参数混沌系统的潜在问题.变参数Ikeda系统的神经网络预测试验验证了理论分析结果,试验还表明,简单增大预测训练样本数可能降低泛化预测精度,训练集的选择对这类系统的泛化预测效果影响极大,指出混沌时间序列预测实用化必须研究解决这类变参数混沌系统的预测.关键词：混沌预测神经网络变参数系统     

Approach to Generalized Synchronization with Application to Chaos-Based Secure Communication

A constructive theorem is established for generalized synchronization (GS) related to C¹ diffeomorphictransformations of unidirectionally coupled dynamical arrays. Thetheorem provides some interpretations about the underlying mechanism of various GS phenomena in nature. As a direct application of the theorem, a chaos-based secure Internetcommunication scheme is proposed. Moreover, a cellular neuralnetwork (CNN) of Chen's chaotic circuits with GS property isdesigned and studied. Numerical simulation shows that this Chen'sCNN has high security and is fast and reliable for secure Internetcommunications.     

A novel chaotic system with one source and two saddle-foci in Hopfield neural networks

This paper presents the finding of a novel chaotic system with one source and two saddle-foci in a simple three-dimensional (3D) autonomous continuous time Hopfield neural network. In particular, the system with one source and two saddle-foci has a chaotic attractor and a periodic attractor with different initial points, which has rarely been reported in 3D autonomous systems. The complex dynamical behaviours of the system are further investigated by means of a Lyapunov exponent spectrum, phase portraits and bifurcation analysis. By virtue of a result of horseshoe theory in dynamical systems, this paper presents rigorous computer-assisted verifications for the existence of a horseshoe in the system for a certain parameter.